Visualisierung und Analysemöglichkeiten von georeferenzierten

Visualisierung und
Analysemöglichkeiten von
georeferenzierten sozialen Netzen am
Beispiel standortgebundener
Infrastrukturprojekte
Bachelorarbeit
von
Tobias Haaß
An der Fakultät für Informatik
Institut für Theoretische Informatik
Lehrstuhl Algorithmik I
Erstgutachter:
Zweitgutachter:
Betreuender Mitarbeiter:
Zweiter betreuender Mitarbeiter:
Prof. Dr. Dorothea Wagner
Prof. Dr. Peter Sanders
Dr. Martin Nöllenburg
Dr. Robert Görke
Bearbeitungszeit: 13. Juli 2011 –
12. November 2011
KIT – Universität des Landes Baden-Württemberg und nationales Forschungszentrum der Helmholtz-Gesellschaft
www.kit.edu
iii
Selbstständigkeitserklärung
Hiermit versichere ich, dass ich die Arbeit selbstständig verfasst habe und keine anderen
als die angegebenen Quellen und Hilfsmittel benutzt habe, die wörtlich oder inhaltlich
übernommenen Stellen als solche kenntlich gemacht habe und die Satzung des Karlsruhe
Institut of Technology zur Sicherung guter wissenschaftlicher Praxis beachtet habe.
_______________
Datum
______________________________________
Unterschrift
iii
Inhaltsverzeichnis
1. Einleitung
1.1. Überblick . . . . . . . . . . . . . . . . .
1.2. Soziale Netzwerke . . . . . . . . . . . . .
1.3. Beschreibung der Daten . . . . . . . . .
1.4. Anforderungen an die Visualisierung . .
1.5. Möglichkeiten zur Visualisierung sozialer
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
Netzwerke
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3
3
4
4
5
7
2. Vorgehensweise bei der Visualisierung
9
2.1. Ablauf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2. Visualisierung der Akteurseigenschaften . . . . . . . . . . . . . . . . . . . . 11
2.3. Projektknoten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3. Positionierung der Knoten
3.1. Bestimmung der geographischen Koordinate . . .
3.2. Bestimmung der Größe der Begrenzungspolygone
3.2.1. Bundesland (Begrenzungspolygon für R0 )
3.2.2. Begrenzungspolygone von R1 und R2 . .
3.3. Umriss des Bundeslandes . . . . . . . . . . . . .
3.3.1. Douglas-Peucker Algorithmus . . . . . . .
4. Entzerren von nahen Knoten
4.1. Ansatz . . . . . . . . . . . . . . . . . . . .
4.2. Grundidee zur Umsetzung . . . . . . . . .
4.2.1. Umgebung U . . . . . . . . . . . .
4.3. Expandieren auf ursprüngliche Größe . . .
4.4. Auswirkung auf den Umriss des Polygons
4.5. Resultat . . . . . . . . . . . . . . . . . . .
4.6. Alternative Variante der Expansion . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
15
16
17
17
18
19
19
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
21
21
23
27
28
29
30
30
5. Übereinanderliegende Knoten
5.1. Kräftebasierte Verfahren . . . . . . . . . . . . . . . . . . . . . .
5.2. Verwendung eines kräftebasierten Verfahrens . . . . . . . . . .
5.3. Benutzung des SmartOrganicLayouter . . . . . . . . . . . . . .
5.4. Auftretende Probleme mit dem SmartOrganicLayouter . . . . .
5.4.1. Zurückschieben von Knoten in ihre vordefinierte Region
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
33
33
34
34
36
36
6. Beschriftung der Knoten
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
39
7. Analysemöglichkeiten
43
7.1. Sektoren und Georeferenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
7.2. Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
7.2.1. Analyse der Projektstruktur . . . . . . . . . . . . . . . . . . . . . . . 45
v
vi
Inhaltsverzeichnis
8. Zusammenfassung und Ausblick
47
Anhang
A. Fallstudien . . . . . . . . . . . . . . .
B. Programm zum Erstellen des Layouts
B.1. Aufbau der Daten . . . . . . .
B.1.1.
Akteure . . . . . . . .
B.1.2.
Projektknoten . . . .
B.1.3.
Kanten . . . . . . . .
B.2. Programmoberfläche . . . . . .
B.3. Ablauf . . . . . . . . . . . . . .
Literaturverzeichnis
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
51
51
56
56
56
57
57
57
58
59
vi
Kurzbeschreibung
In dieser Bachelorarbeit geht es um das Visualisieren standortgebundener Infrastrukturprojekte, die als soziales Netzwerk modelliert werden. Solche Projekte sind sehr kostenintensiv und benötigen daher umfangreiche Planungen. Mit dieser Arbeit wird ein Werkzeug
geliefert um ein Infrastrukturprojekt zu analysieren. Zunächst wird das Projekt als Graph
modelliert. Für die Zeichnung wird jedem Knoten eine initiale Position zugeordnet, die
von seinem Herkunftsort aus der Realität abhängt. Bei den betrachteten Projekten hat
sich gezeigt, dass sich viele Akteure am Projektstandort ansammeln. Um für eine bessere
Übersicht zu sorgen, wird die nähere Umgebung um den Standort entzerrt. Des Weiteren werden Knotenüberlappungen mit einem kräftebasierten Algorithmus aufgelöst. Abschließend werden für jeden Knoten Beschriftungen eingefügt und eine Position für diese
berechnet. Um die Struktur des Graphen zu analysieren wird das Projekt als CorrelationClustering Problem betrachtet und ein ganzzahliges lineares Optimierungsproblem gelöst.
Die beschriebenen Verfahren wurden in Java implementiert und als Ergebnis werden drei
Fallstudien vorgestellt.
1
1. Einleitung
1.1. Überblick
In unserer globalisierten Welt werden Handlungen vermehrt als Projekte bezeichnet. Gerade in der Wirtschaft werden Aufgaben von kleineren bis größeren Projektteams durchgeführt. Umfangreiche Planungen, Ressourcen- und Aufgabenteilung, sowie Steuerungsmaßnahmen sind nötig um die gesteckten Ziele zu erreichen. In großen Infrastrukturprojekten
obliegen diese Maßnahmen einer Vielzahl unterschiedlicher Akteure. Der erfolgreiche Abschluss eines Projekts hängt maßgeblich davon ab, wie gut die Zusammenarbeit einzelner
Akteure koordiniert wird. Je mehr Akteure beteiligt sind, desto schwieriger wird es alle
Interessen zu berücksichtigen. Bei Großprojekten wie Stuttgart 21 gilt es frühzeitig Konflikte zu erkennen um daraus Maßnahmen ableiten zu können, mit denen Schwierigkeiten
vermieden werden können.
Aufgrund der Standortgebundenheit von infrastrukturellen Bauprojekten ist zu erwarten,
dass vor allem lokal angesiedelte Akteure eine wichtige Rolle einnehmen. So sind kommunale Entscheidungsträger, Anwohner, lokale Medien und viele weitere Akteure im Projekt
involviert. Dennoch haben auch regionale, überregionale, nationale bis hin zu internationalen Akteuren Einfluss auf das Projekt. Deshalb müssen für eine umfassende Analyse
die verschiedenen sozialen Ebenen berücksichtigt werden, auf denen Akteure einen unterschiedlich starken Einfluss auf die Entscheidungsprozesse haben können.
Ziel dieser Arbeit ist es, eine Möglichkeit zu zeigen, wie man solche Projekte darstellen
kann. Die Projekte werden mit Hilfe von Ansätzen aus der Soziologie als Netzwerke modelliert und daraus eine Visualisierung in Form einer zweidimensionalen Zeichnung entwickelt.
Diese Zeichnungen können dann als Werkzeug für eine Analyse dienen. Die Visualisierung
von Netzwerken ist eine wichtige Disziplin in der theoretischen Informatik. Durch eine
geschickte Wahl des Designs kann man den Informationsgehalt von Daten leichter einem
Anwender vermitteln. Das besondere an den betrachteten Netzwerken ist die Eigenschaft,
dass die Akteure schon eine initiale Position, abgeleitet durch ihre geographische Koordinate, besitzen. Ein völlig beliebige Platzierung mit Hilfe gängiger Layoutverfahren ist
daher nicht möglich. Durch die Georeferenzierung erreicht man eine Visualisierung, die
näher an der Realität ist und erhält gleichzeitig neue Möglichkeiten für die Analyse standortgebundener sozialer Netzwerke. Es werden ebenfalls Methoden gezeigt, wie man mit
Hilfe der Visualisierung und einer Betrachtung der Struktur des zugrundeliegenden Graphen eine Analyse des Projekts durchführen kann. Mittels des erlangten Wissen aus so
einer Analyse, kann man dann eventuell Konflikte im sozialen Gefüge früher erkennen und
3
4
1. Einleitung
auch abwenden, was die Erfolgschancen für das Projekt steigern oder die Kosten senken
kann.
1.2. Soziale Netzwerke
Soziale Netzwerke sind heute dank Plattformen wie Facebook und MySpace in aller Munde. Hier bezeichnet der Begriff jedoch eine eigene Unterart von Graphen. Genauer gesagt
ist ein Graph ein mathematisches Konzept um Netzwerke zu modellieren. Ein Graph G
besteht aus einem Tupel (V, E), wobei V aus einer Menge von Objekten, genannt Knoten, besteht und die Menge E auftretende Verknüpfungen zwischen Knotenpaaren (u, v)
repräsentiert. Ein Element aus E wird als Kante bezeichnet. Die Kanten eines Graphen
können entweder gerichtet oder ungerichtet sein. Bei einer Kante e = (u, v) entspricht
dies einer symmetrischen bzw. asymmetrischen Beziehung zwischen den Knoten u und
v. Im Folgenden wird von einem ungerichteten Graphen ausgegangen. Soziale Netze sind
ebenfalls mathematische Konstrukte, bestehend aus einem Tupel von Knoten und Kanten.
Für gewöhnlich werden die Knoten auch Akteure genannt, da sie mit einer Teilmenge aus
den restlichen Knoten interagieren oder sonst eine abstrakte Beziehung zwischen ihnen
herrscht. Solche Beziehungen werden wieder durch Kanten ausgedrückt. Die Menge aller
Akteure wird mit A = (a0 , . . . , an ) bezeichnet. Sie können im Graph Menschen, Organisationen und andere Gruppierungen repräsentieren.
Auch in der Soziologie gibt es Ansätze, die sozialen Strukturen und Handlungen netzwerktheoretisch zu analysieren. So lange die Datenmenge überschaubar ist, kann eine Visualisierung sinnvoll zu einem besseren Verständnis beitragen. Zur Visualisierung wird der
Graph in eine Zeichnung überführt. Jedem Knoten u wird hierzu meistens ein graphischer
Punkt an der Position pu zugeordnet. Eine Kante e = (u, v) wird durch eine Verbindungslinie der Positionen pu und pv symbolisiert. Gerichtete Kanten macht man üblicherweise
mit Hilfe von Pfeilen deutlich.
Durch die Interpretation als Graph erhält man zusätzlich die Möglichkeit, bekannte Analysemethoden aus der Algorithmik auf das Netzwerk anzuwenden. Um Informationen aus
dem Graph zu erhalten kann dessen Struktur analysiert werden, um Aufschluss über die
Beziehungen zwischen Akteuren zu bekommen. Daraus können dann eventuell Muster abgeleitet werden, mit deren Hilfe man Aussagen über das Netzwerk treffen kann. Verbindet
man die gewonnenen Erkenntnisse mit soziologischem Wissen kann man Thesen über das
reale Projekt ableiten.
In dieser Arbeit werden Infrastrukturprojekte als Netzwerke modelliert. Hierfür wurde auf
einen Ansatz aus der Techniksoziologie zurückgegriffen. In der Akteurs-Netzwerk-Theorie
(ANT) werden Technik und Gesellschaft nicht mehr komplett voneinander getrennt betrachtet [Lat07]. Vielmehr werden beide Bereiche einander gleichgestellt. So treten in den
Netzwerken nicht nur menschliche Akteure auf, sondern beispielsweise auch technische
Elemente, Gesetze und Umwelteinflüsse, die untereinander in Beziehung stehen und ein
gemeinsames Netzwerk z.B. in Form eines Infrastrukturprojekts bilden.
1.3. Beschreibung der Daten
Um ein Projekt modellieren zu können, benötigt man Daten aus der Realität. Um an
Datenressourcen zu gelangen, gibt es verschiedene Wege. Es bietet sich an die Websites
der Projektbetreiber nach enthaltenen Informationen auszuwerten. Auf diese Weise erfährt
man etwas über die Entwicklung, das Projektmanagement, den Verlauf des Projekts und
die Investoren. Gezieltes Sammeln und Verarbeiten von Beiträgen aus den Medien (Rundfunk, TV, Zeitschriften,. . . ) verhilft einem zu weiteren Daten. Weitere Möglichkeiten sind
4
1.4. Anforderungen an die Visualisierung
5
Umfrageergebnisse, Stellungnahmen von Umweltverbänden und Protokolle von politischen
Entscheidungsträgern. Das Modellieren ist also mit viel Aufwand und evtl. auch Kosten
verbunden.
Für die Bachelorarbeit wurden drei anonymisierte Datensätze von Infrastrukturprojekten
betrachtet und als soziales Netzwerk interpretiert. Sie beinhalten Projektdetails wie den
Standort und einer Liste von teilnehmenden Akteuren. Dabei existieren für jeden Akteur
folgende Eigenschaften:
• Name des Akteurs
• Zuteilung in Regionen
• Postleitzahl
• Einteilung in Sektoren
• Funktion im Projekt
• Haltung gegenüber dem Projekt
• Beziehung zwischen Akteuren
Mit Hilfe der Postleitzahl kann der Ort jedes Akteurs ermittelt werden. Da der ermittelte
Ort nicht für jeden Akteur die gleiche Bedeutung hat, wurden zusätzlich Regionen definiert. Je nach Region hat die Postleitzahl einen unterschiedlich starken Einfluss auf die
Position in der Zeichnung. Die Beziehung zwischen Akteuren gibt Aufschluss darüber, ob
sich zwei Akteure negativ, neutral oder positiv gegenüber stehen. Des Weiteren existiert
in der Soziologie schon eine Zuordnung von Akteuren in bestimmte Sektoren, z.B Wirtschaft, Zivilgesellschaft und Politik. Die verschiedenen Sektoren können beispielsweise von
Niklas Luhmanns [Luh84] funktionalen Teilsysteme“ abgeleitet werden. Jedes Teilsystem
”
besteht aus Akteuren mit ähnlichen Interessen und Ressourcen, die wiederum Beziehungen
zwischen Akteuren beeinflussen.
Neben menschlichen Akteuren treten vor allem Firmen und Institutionen in den Daten auf.
Auch besondere Ereignisse bzw. Gesetzesentscheidungen, die andere Akteure und damit
ein Projekt im Gesamten beeinflussen, dürfen für eine umfangreiche Modellierung nicht
vergessen werden. Zusätzlich treten noch diverse Tageszeitungen und andere Printmedien
in Erscheinung, die durch ihre Berichterstattung ebenfalls positiven oder negativen Einfluss auf das Projekt ausüben können. Eine Übersicht auftretender Akteurstypen wird in
Tabelle 1.1 aufgelistet. Die betrachteten Projekte bestehen aus etwa 30 – 40 Akteuren mit
einer ähnlichen Anzahl Kanten.
Institutionen
Projektentwickler
Investoren/ Industriefirmen
Hoch-/ Tiefbau
Zeitungen
Gemeinderäte
Umweltverbände
etc.
Personen
Bürgermeister
Politiker
Bürger
Journalisten
etc.
Ereignisse
Gesetze
Politikwechsel
Naturereignisse
Technische Störfälle
etc.
Tabelle 1.1.: Beispiele von Akteurstypen
1.4. Anforderungen an die Visualisierung
Im Folgenden werden einige Ziele genannt, die für die Visualisierung wichtig sind. In der
Literatur [BETT99, KW01] werden verschiedene Gütekriterien genannt, nach denen man
5
6
1. Einleitung
ein Layout optimieren kann. Ein Layout oder eine Zeichnung ist das algorithmische Kernproblem um Graphen zu visualisieren. Dabei wird jedem Knoten bzw. jeder Kante eine
geeignete Position in der Ebene zugeordnet. Die wichtigsten Kriterien für ein gutes Layout
sind die folgenden:
Kreuzungen Vermeidung von kreuzenden Kanten und sich überlappenden Knoten.
Platzverbrauch Es wird versucht möglichst wenig Platz für die Zeichnung zu verwenden.
Eine homogene Verteilung der Knoten ohne viel Freiraum erzeugt einen besseren
Eindruck.
Knickminimierung Dabei wird versucht eine Kante möglichst geradlinig zu zeichnen. Bei
vielen Knicken hat das menschliche Auge Schwierigkeiten Linien zu verfolgen.
Winkelauflösung Maximiere den kleinsten Winkel zweier inzidenter Kanten zum gleichen
Knoten. Durch den größeren Winkel zwischen den Kanten kann das Auge den Linien
leichter folgen.
Neben diesen üblichen Charakteristiken, die für die Lesbarkeit eines Graphlayouts von
entscheidender Bedeutung sind, gibt es hier noch einige Besonderheiten. Im Gegensatz zu
anderen sozialen Netzwerken ist in diesem Anwendungsfall die Georeferenz eines Knotens
ein wichtiger Faktor. Es gibt Anwendungen bei denen es egal ist an welcher Position sich
ein Akteur am Ende in der Zeichnung befindet. Wir wollen aber jedem Knoten einen Ort
auf einer stark abstrahierten Landkarte zuordnen. Dieser Ort muss bei der Positionierung
der Knoten auf jeden Fall beachtet werden. Abweichungen werden nötig sein um Überlagerungen von Knoten zu vermeiden. Sie sollten aber möglichst gering sein um eine gute
geographische Relation zwischen den Akteuren zu gewährleisten. Kreuzende Kanten werden zwar versucht zu vermeiden, weil die Knoten aber eine vorgegebene Position haben
und diese vergleichsweise wichtiger ist, dürfen Kreuzungen auftreten. Dahingegen wird
aufgrund der Georeferenz die Winkelauflösung nicht betrachtet. Kanten werde als gerade
Verbindungslinie zwischen zwei Knoten gezeichnet. Somit treten Knicke erst gar nicht auf,
weshalb eine Knickminimierung nicht notwendig ist.
Da die Relevanz der Georeferenzierung nicht für alle Akteure gleich ist werden verschiedene Regionen R0 , . . . , Rj definiert und eine Partitionierung der Akteure A in disjunkte
Teilmengen A = A0 ∪ · · · ∪ Aj vorgenommen. Die Regionen sollen ähnlich einer Zielscheibe hierarchisch angeordnet werden, wobei die Region Ri alle Akteure aus Ai enthält. Die
innere Region R0 ist dabei in der Mitte der Zeichnung zu finden. Dort sind alle Akteure,
die für das Projekt von zentraler Bedeutung sind und die Bindung zum zugehörigen Ort
besonders wichtig ist. Nach außen hin kann die Georeferenzierung stärker vernachlässigt
werden. Genauso enthält R0 auch einen Projektknoten, der den Projektstandort und einige
technische Eigenschaften des Bauprojekts zeigt. Zur besseren Orientierung wird die innere
Region durch das Bundesland, in dem sich der Projektstandort befindet, umrandet. Alle
weiteren Regionen entsprechen konzentrisch angeordneten konvexen Hüllen des Bundeslandes (Abbildung 1.1). Ähnlich zu der Georeferenz sollten auch die zugewiesenen Regionen
nicht vertauscht werden. Im weiteren Verlauf werden nur drei Regionen betrachtet. Das
Verfahren kann aber problemlos auf mehr Regionen erweitert werden.
Der Zeichnung soll außerdem anzusehen sein, wie es sich mit der grundsätzlichen Haltung
jedes Akteurs gegenüber dem Projekt verhält, also ob er für oder gegen das Projekt ist.
Um das Projekt zu analysieren ist die Zugehörigkeit jedes Akteurs zu seinem Sektor noch
wichtig und sollte aus der Zeichnung ebenfalls abzulesen sein. Eine Zuordnung zum gleichen
Sektor zeugt im Wesentlichen von ähnlichen Interessen und Ressourcen der jeweiligen
Akteure.
Für das Interpretieren von Projektdaten ist es außerdem wichtig, dass die gleichen Daten
bei erneuter Berechnung auch das gleiche Layout ergeben. Sonst muss man sich immer
6
1.5. Möglichkeiten zur Visualisierung sozialer Netzwerke
7
R0
R1
Rj
Abbildung 1.1.: Aufbau der Regionen
wieder neu orientieren und einlesen. Das heißt alle Verfahren müssen stets deterministisch
sein.
1.5. Möglichkeiten zur Visualisierung sozialer Netzwerke
Das Besondere beim Zeichnen von sozialen Netzen ist die Tatsache, dass oft nicht klar
ist wie ein taugliches Layout dabei aussieht. So kann eine gute Zeichnung dem Betrachter helfen Sachverhalte besser zu verstehen, während eine schlechte Zeichnung eher zu
Verwirrungen führt. Für die Untersuchung und das Verständnis von Netzwerken ist die
Netzwerkvisualisierung daher ein grundlegendes Werkzeug. Entscheidend dabei ist, welche
Information man hervorheben will. Einen allgemeinen Überblick über Graphvisualisierungen bieten [BETT99] und [KW01]. In [BW03] werden einige Algorithmen vorgeschlagen
um speziell soziale Netzwerke zu visualisieren.
Beliebt sind vor allem kräftebasierte Verfahren. Sie eignen sich besonders gut, wenn man
keine besonderen Ansprüche an die Positionierung der Knoten stellt. Man kann durch
einfache Implementierungen Zeichnungen von Graphen generieren, die Rücksicht auf gängige Optimalitätskriterien nehmen. Ein kurzer Überblick über solche Verfahren wird später
noch gegeben (Kapitel 5.1). In 1.2c ist ein Beispiel für die Anwendung eines kräftebasierten
Ansatzes zu sehen. Bekannte Implementierungen werden in [KK89] und [FR91] vorgestellt.
Eine weitere Möglichkeit für die Visualisierung wird in Beispiel 1.2d gezeigt. Dort ist ein
radiales Layout zu sehen. Radiale Zeichnungen geben vor allem darüber Aufschluss, wie
wichtig ein Akteur für das Netzwerk ist und welche Rolle er dort spielt. Nähere Informationen dazu sind in [BKW03] zu finden. Andere Beispiele werden in den Abbildungen 1.2b
und 1.2a gezeigt. Dort werden die Akteure kreisförmig bzw. hierarchisch angeordnet. Damit will man vor allem Beziehungen zwischen Akteuren verdeutlichen. Weitere Methoden
für ein Layout werden in [HHE07] genannt. Dort wird außerdem eine Studie vorgestellt,
die verschiedene Visualsierungsarten miteinander vergleicht und feststellt, welche Auswirkungen sie auf die Wahrnehmung von Eigenschaften des Netzwerks haben.
Die verschiedenen Layoutverfahren können dem Leser unterschiedliche Eigenschaften deutlich machen. Gesucht ist letztendlich eine Zeichnung, welche die Schlüsseleigenschaften des
Netzwerks besonders hervorhebt. Für unsere Anforderungen ist jedoch keines der genannten Verfahren direkt geeignet, da wir die Knoten vor allem unter dem Gesichtspunkt
7
8
1. Einleitung
Max
Sara
Moritz
Manuel
Anna
Tim
Leon
Manuel
Leonie
Felix
Tim
Leonie
Moritz
Jonas
Laura
Ben Hannah Jonas Lukas Leon Laura Felix
Max Sara Anna
(a) hierarchisch
Leon
Lukas
Hannah
Ben
(b) kreisförmig
Felix
Tim
Max
Moritz
Laura
Manuel
Lukas
Sara
Anna
Leonie
Hannah
Jonas
Ben
(c) kräftebasiert
(d) radial (Quelle: [BW03] Abbildung 7)
Abbildung 1.2.: Beispiele für soziale Netzwerke, visualisiert durch verschiedene Ansätze.
der Georeferenzierung zeichnen wollen. So wird, wie bei Ortschaften auf einer Landkarte,
jedem Akteur eine Position zugeordnet. Erstellt man mit diesen Positionsangeben eine
Zeichnung (vgl. Abbildung 1.3) erkennt man schnell einige Nachteile. Als erstes fällt auf,
dass sich viele Knoten auf engem Raum ansammeln können. Dies ist ein typisches Merkmal
der vorhandenen Infrastrukturprojekte. Neben der Konzentration vieler Akteure an einem
Ort gibt es auch einige Überlappungen. Außerdem können große freie Flächen entstehen,
wenn die Lage einzelner Akteure weit voneinander entfernt ist. Es müssen also Verfahren
gefunden werden, um diese Nachteile zu umgehen.
Abbildung 1.3.: Beispiel für eine Zeichnung, bei der die Knoten an dem Herkunftsort ihrer
zugehörigen Akteure platziert werden.
8
2. Vorgehensweise bei der Visualisierung
2.1. Ablauf
Im Folgenden wird ein Überblick über den groben Ablauf der einzelnen Visualisierungsschritte gegeben. Ein Skizze wird in Abbildung 2.1 gezeigt. Zu Beginn wird für jeden
Knoten eine initiale Position gewählt. Wie die einzelnen Knoten platziert werden wird in
Kapitel 3 beschrieben. In Abbildung 2.1a wird beispielhaft eine initiale Positionierung der
Knoten innerhalb eines imaginären Bundeslandes gezeigt.
Als Merkmal von Infrastrukturprojekten wird eine Konzentration vieler Akteure am Projektstandort angenommen. Ein Grund dafür können wirtschaftliche Motive sein. So bemühen sich viele lokal angesiedelte Firmen um eine Beteiligung an den Projekten. Außerdem haben Akteure aus der Nähe auch ein besonderes Interesse am Projekt. Oft ist
dieses Interesse politischer Natur und betrifft insbesondere Genehmigungen und Fördergelder. Bürgerinitiativen und die lokale Presse beteiligen sich ebenfalls durch Diskussionen
über das Bauvorhaben. Aus diesem Grund sammeln sich viele Knoten im repräsentierenden Graphen in der Nähe des Projektstandortes. Um die Übersicht zu wahren, müssen
also besonders Knoten in der Nähe des Projektstandortes voneinander entzerrt werden
(Abbildung 2.1b). Dies soll alle Knoten betreffen, die sich im gleichen Bundesland wie
der Projektstandort befinden. Dementsprechend wird die Entzerrung als algorithmisches
Problem formuliert und betrachtet. Kapitel 4 zeigt wie man damit umgehen kann. Als
Nächstes werden der Zeichnung die äußeren Regionen mit den entsprechenden Akteuren
hinzugefügt. Die Platzierung dieser Knoten wird ebenfalls in Kapitel 3 beschrieben.
Das Entzerren der Projektumgebung reicht jedoch meist noch nicht aus um die Knoten weit genug voneinander zu trennen. Außerdem verhindert es keine Überlagerung von
Knoten, die Akteure mit der gleichen Postleitzahl repräsentieren und damit die gleichen
Koordinaten besitzen. Solche Knoten gibt es tatsächlich auch recht häufig, da einige Akteure unterschiedliche Funktionen im Projekt haben. Diese sind aber jeweils durch einen
eigenen Knoten repräsentiert, der die gleiche Koordinate besitzt. In Kapitel 5 wird ein
Verfahren beschrieben, um die Überlappungen aufzulösen (Abbildung 2.1d). Man könnte
den dort verwendeten Algorithmus auch ohne das Verfahren aus Kapitel 4 benutzen und
damit auch ein Entzerren erreichen. Allerdings wird durch das Entzerren eine bessere initiale Position der Knoten für den Algorithmus ausgewählt. Würde man den vorherigen
Schritt weglassen, wird die Georeferenz der Knoten stärker missachtet.
Um das ganze Layout leichter lesbar zu machen, wird am Ende noch jedem Knoten ein
Label zugewiesen (Abbildung 2.1e). Die Platzierung von Beschriftungen in einem Graphen
9
10
2. Vorgehensweise bei der Visualisierung
Z
Z
(a) Platzierung der inneren Knoten nach geographischen Koordinaten im Bundesland.
(b) Entzerren der Umgebung um den Projektstandort.
Z
Z
(c) Hinzufügen der äußeren Regionen.
(d) Entfernen der Überlappungen.
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Z
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
(e) Platzierung von Beschriftungen.
Abbildung 2.1.: Übersicht über die einzelnen Visualisierungsschritte.
10
2.2. Visualisierung der Akteurseigenschaften
11
ist ein Problem auf das man bei automatischen Layouts oft stößt. Hier wurde die Regionszugehörigkeit der Knoten ausgenutzt, um möglichst wenige Überschneidungen zu erhalten.
Die Beschreibung dazu findet man in Kapitel 6.
2.2. Visualisierung der Akteurseigenschaften
Im Allgemeinen stehen für die Visualisierung einige wenige Möglichkeiten zur Verfügung,
um bestimmte Informationen zu vermitteln. Bei einer wichtigen Information sollte man
deshalb eine Eigenschaft wählen, die dem Betrachter besonders gut auffällt und sich von
anderen Visualisierungsmöglichkeiten gut abhebt. Jaques Bertin [Ber11] hat sich damit
in der Kartographie beschäftigt und das theoretische Konzept der graphischen Variablen
formuliert. Dabei unterscheidet er sechs Variablen, die er verschiedenen Charakteristiken
zuordnete (Tabelle 2.1).
Variable
Größe
Helligkeit
Muster
Farbe
Richtung
Form
assoziativ
×
×
×
×
selektiv
×
×
×
×
×
-
geordnet
×
×
×
-
quantitativ
×
-
Tabelle 2.1.: Eigenschaften graphischer Variablen nach Bertin.
Assoziativ bezeichnet dabei die Eigenschaft einer Variable, sofort alle Objekte einer Gruppe identifizieren zu können, die sich nur an Hand von dieser Variablen unterscheiden lassen.
So lassen sich ebenso große und gleichfarbige Objekte leicht gruppieren, selbst wenn sie
sich in ihrer Form unterscheiden. Die Variable Form ist daher assoziativ. Außerdem wirken assoziative Variablen auf die menschliche Wahrnehmung trotz Unterscheidung mit
der gleichen Intensität. Bei der Größe trifft dies nicht zu, da wir große Objekte deutlich
leichter ins Auge fassen als kleine Objekte. Die selektive Eigenschaft einer Variablen hilft
uns dabei sofort zu erkennen, welche Objekte bezüglich dieser Eigenschaft eine Gruppe
bilden. Besonders leicht fällt uns dies bei Farben, zum Beispiel die Gruppe aller roten Objekte. Dagegen erlangt man bei Formen nur schwer einen schnellen Überblick. Graphische
Variablen mit der Ordnungseigenschaft erlauben uns Vergleiche zwischen Objekten anzustellen und diese zu sortieren. Während man Objekte nach der Größe sortieren kann, ist
dies bei Farben nicht ohne zusätzliche Information möglich. Als letzte Eigenschaft bleibt
die Quantitativität. Sie erlaubt uns Aussagen über Zahlenverhältnisse zweier Objekte zu
treffen. So kann man der Größe relativ leicht ablesen, ob etwas doppelt oder viermal so
groß ist. Im Bezug auf die Visualisierung von sozialen Netzwerken kann diese Einteilung
helfen, zusätzliche Informationen für jeden Knoten dem Leser anzubieten.
Da für die Analyse des Netzwerkes die Zugehörigkeit zu den Sektoren von zentraler Bedeutung ist, werden Knoten, die dem gleichen Sektor zugeordnet werden, auch mit der
gleichen Farbe ausgefüllt. Für diese Zuordnung spielt vor allem die Selektivität eine wichtige Rolle. So kann sich der Leser schnell einen Überblick über alle Akteure eines Sektors
verschaffen.
Für die Funktion innerhalb des Projekts ist die Selektivität nicht ganz so wichtig. Daher
gibt die Form der Knoten darüber Aufschluss, welche Funktion der Akteur im Projekt
hat. Jedem Knoten wird dazu eine einfache geometrische Figur, z.B. ein Quadrat oder ein
Dreieck, zugeordnet. Auf diese Weise erhält ein Knoten u eine Fläche. Jede geometrische
11
12
2. Vorgehensweise bei der Visualisierung
Figur wird dabei gerade so groß gewählt, dass die Bounding Box aller Figuren gleich groß
ist. Somit nimmt jeder Knoten in etwa die gleiche Fläche ein. Im weiteren Verlauf wird
mit F (u) Bezug zu dieser Fläche genommen.
Des Weiteren erhalten alle Knoten eine Beschriftung, die verrät, um welchen Akteur es
sich bei dem Knoten handelt. Die Hintergrundfarbe der Beschriftung unterscheidet sich
dabei. Damit wird gezeigt, wie sich der Akteur gegenüber dem Projekt verhält (grün =
Befürworter des Projekts, rot = Gegner des Projekts, gelb = neutral). Die Farbe wird je
nach Stärke der Haltung abgestuft, d.h. ein helleres Grün zeigt eine weniger starke Befürwortung des Projekts als ein dunkleres Grün. Auch die Farbe der Kanten zwischen den
Knoten sagt etwas über die Beziehung der Akteure aus. So zeigt eine rote Kante zwischen
Knoten u und v, dass sich die zugehörigen Akteure negativ gegenüber stehen. Umgekehrt
verhält sich eine grüne Kante. Hier kommt die graphische Variable der Helligkeit zum
Tragen, mit der man leicht eine Ordnung erstellen kann (von rot über gelb nach grün).
Zur besseren Übersicht wird dem Graphen noch eine Legende hinzugefügt. Die Legende
selbst besteht ebenfalls aus Knoten, die entsprechend der zu zeigenden Eigenschaft eingefärbt bzw. geformt sind. Die Beschriftung dieser Knoten verrät dem Betrachter wie die
verwendeten Eigenschaften zu interpretieren sind. Ein Beispiel für eine Legende findet sich
in Abbildung A.1.
(a) (Zivilbevölkerung | Kommunikation)
(b) (Markt | Zulieferer)
(c) (Markt | Betreiber).
(d) (Politik | Investor)
(e) (Politik | Zuschüsse)
(f) (Behörden | Genehmigung)
(g) (Umwelt | Ereignis)
(h) (Markt | Expertise)
Abbildung 2.2.: Beispiele für Akteure (Sektor | Funktion).
12
2.3. Projektknoten
13
2.3. Projektknoten
Der Projektstandort wird durch einen eigenen Knoten dargestellt. An ihm kann man grundlegende technische Eigenschaften über das Bauprojekt ablesen. Durch die Beschreibung der
technischen Eigenschaften kann der Knoten verhältnismäßig groß werden. Dadurch nimmt
er sehr viel Platz im Zentrum weg, was schlecht für die Georeferenzierung der Knoten ist.
Um ein besseres Layout des Netzwerks zu erhalten wird für den Projektstandort ein Stellvertreter des eigentlichen Projektknotens gezeichnet. Dieser muss nicht viel größer als alle
anderen Akteure sein (Abbildung 2.3a). Etwas abgesetzt neben der Zeichnung des Graphs
wird ein weiterer Projektknoten eingefügt. Er dient nur zur besseren Lesbarkeit und ist
selbst kein Bestandteil des eigentlichen Netzwerks (Abbildung 2.3b).
(a) Die kleinere Variante taucht als Knoten im
Graph auf. Damit wird der Standort symbolisiert und technische Eigenschaften gezeigt.
Diese können wiederum durch Kanten mit
anderen Akteuren verbunden sein.
(b) In der großen Variante des Projektknoten
kann man die technischen Eigenschaften ablesen und so zuordnen welcher Akteur, mit
welcher Eigenschaft verbunden ist.
Abbildung 2.3.: Projektstandort als Knoten.
13
3. Positionierung der Knoten
Die meisten Akteure können durch eine Postleitzahl eindeutig einem Ort zugewiesen werden. Damit lässt sich aus einer Datenbank die zugehörige geographische Koordinate auslesen. Hierzu befindet sich eine Beschreibung in Abschnitt 3.1. Auf diesen Koordinaten
beruht dann die initiale Position des jeweiligen Knotens in der Zeichnung. Die initiale Position wird für die weitere Berechnung auch als Wunschposition des Knotens angesehen
und ist daher sehr wichtig um die Georeferenzierung für das Ergebnis zu wahren.
Allerdings lässt sich nicht jedem Akteur eine gültige Position zuweisen, da einige Institutionen oder Ereignisse nicht zweifelsfrei einer Postleitzahl zugeordnet werden können. Ein
Beispiel dafür wäre ein Gesetz. Einige andere Akteure sind außerdem nicht in Deutschland
beheimatet. Deshalb wurden alle Akteure zusätzlich einer Region zugeordnet. Es werden
drei Regionen unterschieden: R0 , R1 und R2 (Abbildung 1.1).
Zu den Akteuren A0 gehören alle Akteure, die sich in dem gleichen Bundesland wie der
Projektstandort befinden. Ihre Position wird wie gehabt durch ihre Postleitzahl bestimmt.
Für die Visualisierung wird zusätzlich noch das Bundesland des Projektstandortes als
Polygon P0 eingefügt. Damit lassen sich für den Betrachter die Knoten geographisch besser
einordnen. Weitere Informationen dazu sind in Abschnitt 3.3 zu finden. Jeder Knoten u der
einen Akteur aus A0 repräsentiert, erhält zunächst seine Wunschposition als Koordinate.
Nun findet eigentlich ein weiterer Zwischenschritt statt, bei dem das Polygon P0 verändert wird (Näheres dazu in Kapitel 4). Wir gehen hier erst einmal davon aus, dass dieser
Schritt bereits durchgeführt wurde und wir als Ergebnis das veränderte Polygon P00 erhalten. Als Abgrenzung der folgenden Region R1 wird die konvexe Hülle von P00 berechnet
und vergrößert (Abschnitt 3.2). Man erhält das Polygon P1 . Danach werden alle Akteure
aus A1 als Knoten dem Graphen hinzugefügt. Zu diesen gehören Akteure, die sowohl geographisch als auch entscheidungstechnisch noch wichtig für das Projekt sind, aber nicht
mehr im gleichen Bundesland beheimatet sind oder für die keine genaue Position bestimmt
werden kann. Damit die Georeferenz auch hier eine Rolle spielt wird die Position wie in
Abbildung 3.1 gezeigt bestimmt. Die Position der Knoten wird nur für den Bereich P1 \ P00
ermittelt. Hierzu wird ein Vektor zwischen Projektstandort und Wunschposition gebildet.
Dieser gibt die Richtung für die Platzierung des Knotens an. Die Länge wird nur auf die
Fläche außerhalb von P00 beschränkt, also den im Bild rot markierten Bereich. Zusätzlich
wird an den Rändern eine Toleranzgrenze beachtet, damit der Knoten nicht zu nah an den
Begrenzungspolygonen P1 und P00 liegt. Dies hat sonst negative Auswirkungen bei dem
im Kapitel 5 beschriebenen Verfahren, welches auftretende Knotenüberlappungen auflöst.
15
16
3. Positionierung der Knoten
Wunschposition
Projektstandort
Abbildung 3.1.: Bestimmung der Position von Akteuren aus A1 . Die Berechnung der Position für Ai mit i > 1 erfolgt analog.
Dort besteht die Gefahr, dass der Knoten aus der Region herausrutschen kann, wenn er
sich zu nah oder gar auf dem Rand befindet. Die letztendlich berechnete Position auf der
roten Strecke wird zufällig gewählt. Damit wird im Sinne der Georeferenz nur die grobe
Richtung garantiert. Einzelne geographische Relationen zwischen Akteuren müssen dadurch nicht mehr korrekt sein. So kann es in den Regionen Ri (i > 0) zu einer Nord-/Südbzw. West-/Ost-Vertauschung kommen. Da dies aber nur für die Akteure aus A0 wirklich
wichtig ist, wird dieser Nachteil bewusst in Kauf genommen.
Bei Knoten, denen man keine Postleitzahl und damit auch keine Wunschposition zuordnen
kann, werden die Koordinaten komplett zufällig gewählt. Es wird nur noch sichergestellt,
dass sich die Position auch innerhalb der zugewiesenen Region befindet. Damit die Positionierung aber trotzdem deterministisch bleibt wird vor der Berechnung ein Zufallszahlengenerator mit dem gleichen Anfangswert benutzt. Sofern die Daten gleich bleiben, werden
dadurch die identischen Positionen berechnet.
Im nächsten Schritt werden die Akteure aus R2 positioniert. Dort sind alle übrigen Akteure
aus Deutschland oder dem Ausland untergebracht. Für das Begrenzungspolygon wird das
vorher berechnete Polygon P1 nochmals vergrößert. Die Berechnung der Positionen aller
Knoten in dieser Region läuft dann analog zu denen aus R1 ab.
3.1. Bestimmung der geographischen Koordinate
Die verwendeten Datensätze über Postleitzahlen und ihre zugehörigen geographischen Koordinaten stammen von OpenGeoDB [Ope11], einem offenen Projekt zur Ermittlung von
Geodaten. Die verwendeten Daten beschränken sich jedoch nur auf Deutschland und beinhalten über 8200 Datensätze. Dort sind nicht alle deutschen Postleitzahlen erfasst. Insbesondere Firmen und Institutionen mit einer eigenen Postleitzahl sind darin nicht integriert.
16
3.2. Bestimmung der Größe der Begrenzungspolygone
17
Falls dies zu Problemen führte, wurde eine beliebige andere Postleitzahl des gleichen Standortes des Akteurs gewählt. Beispielsweise wurde statt der firmeneigenen Postleitzahl, die
der Stadt gewählt, in der die Firma ihren Sitz hat. Für ausländische Firmen wurde ein
Ort an der deutschen Grenze gewählt um zumindest die grobe geographische Richtung
vorgeben zu können. Da diese Akteure der Region R2 zugeordnet werden, reicht dieses
Vorgehen auch völlig aus. Dort kommt es ohnehin nicht auf geographische Genauigkeit an.
In den Datensätzen gibt es zu jeder Postleitzahl die zugehörigen Breiten- und Längengrade
(ϕ bzw. λ). Es gibt in der Kartografie viele Projektionen um daraus eine Karte zu machen.
Dabei versucht jede Projektion bestimmte Eigenschaften wie Flächen- und Entfernungstreue zu optimieren. Eine Projektion, die dabei jede Eigenschaft optimal umwandelt gibt
es nicht. Bei der Implementierung wurde die Mercatorprojektion angewendet. Sie gehört
zur Klasse der Zylinderprojektionen und ist folgendermaßen definiert:
x(λ) = λ − λ0
1
1 + sin(ϕ)
y(ϕ) = · ln
2
1 − sin(ϕ)
Dabei müssen λ und ϕ im Bogenmaß vorliegen. Mit λ0 kann das Kartenzentrum festgelegt
werden. Für die Zeichnung ist es hier aber im Prinzip egal, wo sich das Zentrum befindet.
Karten, die mit Hilfe der Mercatorprojektion erstellt werden, sind richtungs- und winkeltreu. Der Nachteil dieser Projektion zeigt sich erst dann, wenn man Karten in der Nähe
der Pole darstellen will. Dort verzerrt sich die Fläche sehr stark und Grönland wird dadurch beispielsweise ähnlich so groß wie Afrika abgebildet. Mehr zu Kartenprojektionen
findet man in [BS95]. Mit Hilfe der Mercatorprojektion wird dann jedem Akteur ai ∈ A
(i = 1, . . . , n) die Position
posi = (s · x(λi )|s · y(ϕi ))
(3.1)
zugewiesen. Die Koordinaten werden dabei noch mit einem skalaren Faktor s multipliziert.
Dies entspricht einer Änderung des Maßstabs. Der Faktor wird in Abhängigkeit von der
Anzahl der Akteure aus A0 und der Fläche des Bundeslandes P0 gewählt (Gl. 3.3).
3.2. Bestimmung der Größe der Begrenzungspolygone
3.2.1. Bundesland (Begrenzungspolygon für R0 )
Die Größe des Bundeslandpolygons richtet sich nach drei Orten und hängt deshalb von
der Berechnung der geographischen Koordinaten ab. Die Berechnung wiederum richtet sich
aber auch nach der Fläche des Bundeslandpolygons (Faktor s aus Gl. 3.1). Damit wird
sichergestellt, dass genügend Platz für Knoten innerhalb des Bundeslandes ist. Um beides
zu bestimmen wird zunächst ein initialer Wert s0 gewählt und die daraus resultierende
Fläche des Bundeslandes Γs0 (P0 ) bestimmt. Mit Γ(·) wird die Fläche eines Polygons bezeichnet. Die Größe soll sich am Ende nach der Anzahl der Akteure aus A0 und der Fläche,
die diese einnehmen, orientieren:
F (A0 ) = |A0 | · F (u) · τ
(τ ≥ 1)
(3.2)
Wenn man nun
s
s=
F (A0 )
Γs0 (P0 )
(3.3)
wählt und daraus die Koordinatenberechnung neu bestimmt, dann gilt am Ende F (A0 ) =
Γs (P0 ). Der Faktor τ wurde experimentell bestimmt. Er kann allerdings auch vom Benutzer
gewählt werden, um damit die Ausgabegröße des Graphen zu bestimmen. Durch ihn ordnet
man einem Knoten mehr Raum zu als er rein flächenmäßig eigentlich benötigt.
17
18
3. Positionierung der Knoten
3.2.2. Begrenzungspolygone von R1 und R2
Den gleichen Ansatz könnte man auch für die beiden anderen Regionen R1 und R2 nutzen.
Zunächst wird die konvexe Hülle des Bundeslandes berechnet und mit einer zentrischen
Streckung vergrößert. Mit der Vergrößerung versucht man ausreichend Platz für die Knoten und ihre Beschriftungen zu bieten. Allerdings werden, wie später beschrieben (vgl.
Kapitel 6), teilweise noch Beschriftungen aus der Region Ri in Ri+1 verschoben, weshalb
für diese Beschriftungen zusätzlicher Platz benötigt wird. Man erhält für das Begrenzungspolygon P1 von R1 durch
q = (α · |A1 | + β · |A0 |) · F (u) · t + Γ(P0 )
r
q
d=
Γ(P0 )
(3.4)
(3.5)
den Streckungsfaktor d. Mit t kann man hier ähnlich wie τ aus Gleichung 3.2 einem Knoten
mehr Platz zuordnen. Damit sollte nach Anwendung einer zentrischen Streckung um d, die
Fläche des Polygons groß genug sein um ausreichend Platz für die enthaltenen Knoten und
Beschriftungen zu bieten. Die Koeffizienten α und β approximieren dabei die notwendige
Mindestfläche. Wenn man davon ausgeht, dass ein Beschriftungsknoten etwa das sechsfache
der Fläche eines normalen Knotens einnimmt und die Beschriftungen von Akteuren aus Ai
zur einen Hälfte in der gleichen Region Ri und zur anderen Hälfte nach Ri+1 verschoben
werden, dann erhält man:
α = (1 + 6 · 0, 5) = 4
und
β=6
Das Problem bei dieser Methode ist die wenig intuitive Bestimmung von t. Bei einer zentrischen Streckung mit Streckungsfaktor d vergrößert sich die Fläche um das d2 -fache.
Dennoch kann dabei der zur Verfügung stehende Platz für die Knoten gering ausfallen. In
Abbildung 3.2a ist ein Beispiel mit der fünffachen Minimalgröße für jeden Knoten bzw.
Beschriftung gezeigt (t = 5). Wie man sehen kann gibt es kaum genug Platz für alle
Knoten. Würde man nun noch Beschriftungen einzeichnen gäbe es vermutlich Überschneidungen mit anderen Knoten. Erst mit der 15-fachen Minimalgröße ist die Region groß
genug um auch noch Platz für Beschriftungen zu bieten. Die Schwierigkeit liegt dabei in
der Abschätzung der zusätzlichen Fläche, die bei einer zentrischen Streckung erzeugt wird.
R0+R1
R0+R1
(a) Beispiel mit t = 5, α = 4 und β = 6.
(b) Beispiel mit t = 15, α = 4 und β = 6.
Abbildung 3.2.: Berechnung der Größe von R2 mit Gleichung 3.5.
Da man nicht davon ausgehen kann, dass die Knoten innerhalb einer Region gleich verteilt
sind, lässt sich t auch nicht so einfach automatisch bestimmen. Es ist also notwendig,
18
3.3. Umriss des Bundeslandes
19
dass der Benutzer selbst noch etwas ändern kann und dafür sollte man besser erkennen
können, wie sich die Änderung auswirkt. Deshalb wird die Größe der Begrenzungspolygone
P1 und P2 nicht in Abhängigkeit von der Fläche bestimmt, sondern von der Breite. Der
Streckungsfaktor für das Begrenzungspolygon Pi = (p0 , . . . , pn ) lässt sich dann wie folgt
bestimmen:
F (u) · t
d=1+ P
( p∈Pi−1 |ζp|) ·
1
n
(3.6)
Es werden alle Abstände zwischen dem Streckungszentrum ζ und jedem Eckpunkt des Polygons Pi−1 gebildet und daraus der durchschnittliche Abstand berechnet. Mit t bestimmt
man dann, wie viele Knoten in einer Region in etwa nebeneinander Platz haben werden.
Diese Vorgehensweise wird sowohl für das Begrenzungspolygon von R1 als auch für das
von R2 benutzt.
3.3. Umriss des Bundeslandes
Die Umrisse aller deutschen Bundesländer liegen in Form von Polygonen in Textdateien bereit. Das entsprechende Polygon wird eingelesen und dem Graph hinzugefügt. Die
Schwierigkeit dabei ist die korrekte Platzierung des Polygons relativ zu den Akteuren. Denn
für die Bundesländer liegen keine Angaben über die geographische Position vor. Deshalb
wurden für alle Bundesländer jeweils drei Orte aus einer Karte gewählt. Zwei davon geben dabei die nördlichste und südlichste Position des Bundeslandes vor. Der dritte Ort
beeinflusst die Ost-/West-Verschiebung. Aus den Orten und der Postleitzahl kann dann
wieder eine geographische Koordinate ermittelt werden und sowohl die Position als auch
der Maßstab ausreichend genau berechnet werden. Eine exakte Berechnung ist für diese
Anwendung nicht notwendig. Die Berechnung der Koordinaten wird dabei so gewählt, dass
die Fläche des Bundeslandes groß genug ist um alle Knoten zu beinhalten (Abschnitt 3.1).
Auch die Form des Polygons muss nicht besonders detailliert sein und deshalb wird der
Douglas-Peucker-Algorithmus verwendet um die Anzahl der Knoten zu verringern.
3.3.1. Douglas-Peucker Algorithmus
Der Douglas-Peucker Algorithmus (DPA) ist ein weit verbreiter Algorithmus um Linienzüge zu vereinfachen [DP73]. Grundlage ist das Teile und Herrsche-Prinzip, welches in vielen
Algorithmen seine Anwendung findet.
Zu Beginn werden die Start- bzw. Endpunkte p0 und pn des Eingabepolygons P = (p0 , . . . , pn )
als Strecke betrachtet. Dadurch hat man eine erste einfache Approximation p0 pn (Abbildung 3.3b) des Ausgangspolygons. Nun wird der maximale Abstand aller pj (0 < j < n)
zu p0 pn berechnet (Abbildung 3.3c). Falls der Abstand größer als ein vorher festgelegter Grenzwert ist, wird der gefundene Punkt pi der Approximation hinzugefügt (Abbildung 3.3d). Anschließend wird rekursiv für jede entstandene Punktmenge P0 = (p0 , . . . , pi )
und P1 = (pi+1 , . . . , pn ) analog verfahren bis keine weiteren Punkte der Approximation
hinzugefügt werden und der Algorithmus terminiert. Die Laufzeit des Algorithmus für
diese Variante liegt in O(n2 ).
In der Literatur gibt es zahlreiche Beschreibungen für optimierte Varianten des obigen
Schemas um das Ergebnis zu verbessern oder an bestimmte Merkmale anzupassen. Hershberger und Snoeyink [HS92] präsentieren eine verbesserte Version mit einer Laufzeit von
O(n · log(n)). Bei der Implementierung wurde aber darauf verzichtet, da die Resultate
19
20
3. Positionierung der Knoten
p0
p0
pn
pn
pi
(a) Ausgangspolygon.
(b) Aufteilung und linke
und recht Hälfte.
p0
(c) Suche weit entferntesten Punkt.
pn
pi
(d)
Füge Punkt hinzu
falls Abstand > .
(e) Resultat.
Abbildung 3.3.: Douglas-Peucker Algorithmus.
schon zufriedenstellend sind und die Instanzen von P zu klein in der Anzahl der Knoten
sind, um einen Leistungsgewinn erwarten zu können.
Ein grundsätzliches Problem des DPA kann bei verschiedenen Anwendungen der Grenzwert sein, da dieser vor dem Verfahren manuell festgelegt werden muss. Auch hier gibt
es Ansätze um automatisch einen guten Schwellwert zu finden [XlD10]. Für die verwendeten Umrisse der Bundesländer reicht es allerdings aus, einen experimentell ermittelten
Schwellwert für alle Umrisse zu verwenden, da diese in der Struktur (maximale Abstände)
grundsätzlich ähnlich sind.
20
4. Entzerren von nahen Knoten
Gegeben sei eine Menge V von Knoten, die eine vordefinierte Position haben und sich
innerhalb eines Polygons P 0 befinden. Zusätzlich existiert ein spezieller Knoten z, der als
zentraler Knoten angesehen werden kann. Er muss aber nicht notwendigerweise in der Mitte
der Zeichnung liegen. Eine wichtige Eigenschaft der Knotenmenge ist das Ansammeln vieler
Knoten in der Nähe von z (vgl. Bsp. 4.1). Ziel ist es nun, die Knoten so zu verschieben,
dass die Umgebung um z etwas ausgedehnt wird und nahe Knoten voneinander wegbewegt
werden. Genauso sollen weit entfernte Knoten von z näher heranrücken. Dabei soll auch das
Polygon verzerrt werden um die Verschiebung der Knoten und damit eine Änderung zur
Vorgabe deutlich zu machen. Der grobe Umriss des Polygons soll dabei aber beibehalten
werden, da er maßgeblich zur besseren Lesbarkeit des Layouts beitragen kann. Eine zu
starke Verfälschung kann sonst zur Unkenntlichkeit des Umriss führen.
Die relative Positionierung zwischen den Knoten ist ebenfalls wichtig und sollte durch
das Verfahren nicht verändert werden. Der Algorithmus soll also die orthogonale Ordnung
aufrecht erhalten [MELS95].
Orthogonale Ordnung. Angenommen ein Algorithmus ändert im Layout die Position
von Knoten u von (xu , yu ) zu (x0u , yu0 ). Dann erhält der Algorithmus die orthogonale Ordnung, wenn für jedes Knotenpaar u, v ∈ V gilt:
iff
x0u < x0v
yu < yv
iff
xu = xv
iff
yu = yv
iff
yu0 < yv0
x0u = x0v
yu0 = yv0
xu < xv
∧
∧
∧
4.1. Ansatz
Eine erste Idee um eine Entzerrung zu erreichen wäre die Nachbildung eines Fischaugenobjektivs. Hierfür bietet es sich an die Koordinaten der Knoten in Polarkoordinaten (δ, r)
umzuwandeln und den Radius r mit Hilfe einer passenden Funktion g zu verändern. Der
Winkel δ soll dabei konstant gehalten werden. Als Funktionen kommen typische nicht lineare Funktionen in Frage, wie zum Beispiel der Logarithmus oder die m-te Wurzel. Diese
stauchen große Entfernungen stärker zusammen als kleinere und bewirken, dass sich weit
entfernte Akteure in der Zeichnung näher in Richtung Zentrum verschieben. Damit man
21
22
4. Entzerren von nahen Knoten
P0
u16
u15
u13
u14
u12
u11
u10
u8 u
7
u2 u3 Z u6
u1 u u5 u9
4
u0
Abbildung 4.1.: Beispiel für eine Eingabemenge V = (z, u0 , . . . , u16 ).
im Gesamten aber keine Verkleinerung bewirkt und dadurch große leere Flächen entstehen,
wird das ganze mit einem konstanten Faktor c wieder linear hochskaliert. Dadurch erhält
man die Funktion
f (δ, r) = (δ, g(r) · c).
Mit ihr ordnet man einem existierenden Knoten u in der Zeichnung eine neue Position zu.
Eine wichtige Eigenschaft der Funktion f ist die Monotonie. Damit ist sichergestellt, dass
ein Knoten u nach der Transformation auch näher als ein anderer Knoten v ist, falls er
es vorher auch war (bzw. umgekehrt). Wie man leicht einsehen kann trifft die Monotonie
bei Verwendung von Polarkoordinaten und den oben genannten Funktionen für f zu, da
sowohl die m-te Wurzel als auch der Logarithmus streng monoton steigen.
Abbildung 4.2.: A und B zeigen die ursprüngliche Position. Dann wird der Radius geeignet
zusammengestaucht (hier: Quadratwurzel). Daraus resultieren die Punkte
0
0
A und B . Am Ende werden die Abstände mit einem skalaren Faktor c
00
00
wieder vergrößert (A bzw. B ).
Ein Problem, welches aber auftreten kann, lässt sich in Abbildung 4.2 erkennen. Dort
liegt A ursprünglich noch nördlich von B. Dies ändert sich aber durch das Anwenden
00
00
der Transformation f . Nun ist das Resultat der Transformation B nördlich von A .
Ähnlich lässt sich auch ein Beispiel für eine Ost-/Westvertauschung konstruieren. Hier wird
also die orthogonale Ordnung verletzt. Dieser Effekt kann zu ungünstigen Vertauschungen
führen und ist daher unerwünscht. Deshalb werden kartesische Koordinaten verwendet.
Diese garantieren während der Transformation keine Vertauschungen hervorzurufen und
die Monotonie der Abstände bleibt ebenfalls erhalten. Im kartesischen Koordinatensystem
22
4.2. Grundidee zur Umsetzung
23
werden die Knoten in x- und in y-Richtung unabhängig voneinander mit der gleichen
Funktion verändert. Deshalb wird die Funktion f in
f (x, y) = (g(x) · c, g(y) · c).
umdefiniert.
Im Folgenden wird dieser erste Ansatz etwas verfeinert, um unter anderem den konstanten
Faktor c nicht völlig beliebig wählen zu müssen.
4.2. Grundidee zur Umsetzung
Aufbauend auf den ersten Ansatz werden zunächst Knoten durch eine geeignete Funktion
in Richtung Zentrum verschoben. Dabei werden jedoch alle Knoten u ∈ VU ⊆ V in einer
gewissen Umgebung U um das Zentrum z ignoriert. Die Größe von U könnte von der
verwendeten Knotengröße abhängig gemacht werden. Durch diese Unterteilung entstehen
acht verschiedene Regionen Υj (j = 0, . . . , 7), welche in Abbildung 4.3 (a) gekennzeichnet
sind. Für jede dieser Region wird eine eigene Funktion benötigt. Anschließend werden
nun die Abstände aller Knoten, inklusive der Knoten aus VU , wieder vergrößert. Nach
der Vergrößerung soll die ursprüngliche Größe der Bounding Box des Polygons P 0 wieder
eingenommen werden. Damit füllt man den leeren Platz wieder aus. Die gesamte Skalierung
gliedert sich also in zwei Teile und hat den Effekt, dass Knoten innerhalb der Umgebung U ,
im Verhältnis zum Rest, eine stärkere Vergrößerung erfahren und das Zentrum so entzerrt
wird.
l1
Υ0
Υ1
l2
l1
k
Υ2
l2
k
l3
l3
k
bnew
2
Υ3
Υ5
Z
Υ6
Z
Υ4
l4
k
Υ7
(a) Beispielskizze: Das äußere Rechteck repräsentiert die Bounding Box des Polygons P 0 .
Der graue Bereich stellt die Umgebung U
dar.
bold
2
l4
(b) Die Fläche der äußeren Bounding Box soll
auf die schraffierte Fläche abgebildet werden. Um das innere Rechteck zu bestimmen
werden jeweils die Abstände durch den Faktor k dividiert. Dadurch erhält man bnew
für
i
die jeweilige Region.
Abbildung 4.3.: Grundidee für die Skalierung.
Da die Knoten nach der Entzerrung nicht mehr an der Position sind, die durch ihre vordefinierte Koordinate eigentlich vorgesehen war, ist es erwünscht das Polygon ebenfalls
23
24
4. Entzerren von nahen Knoten
mitzuskalieren. So entsteht für die Entzerrung ein weiteres Ziel. Um den groben Umriss
des Polygons beizubehalten spielt auch hier die Monotonie der Skalierungsfunktion eine
wichtige Rolle. Dadurch wird sichergestellt, dass alle Knoten auch nach der Transformation
sich noch innerhalb von P 0 befinden.
Das erste Ziel soll es sein, weit entfernte Knoten näher an das Zentrum z zu ziehen. Durch
die anschließende Vergrößerung der geschrumpften Umgebung erreicht man eine bessere
Ausnutzung des zur Verfügung stehenden Raumes. Die Knoten in der Nähe von z erhalten
mehr Platz im Vergleich zu den Knoten, die weiter weg sind. Damit dabei der bereits
oben genannte konstante Faktor c automatisch bestimmt werden kann, wird zunächst
die Bounding Box des Polygons wie in Abbildung 4.3 (b) verkleinert. Die Seitenlängen li
zwischen der Bounding Box und der Umgebung U werden durch k geteilt und man erhält so
eine kleinere Fläche Bk (blau schraffiert). Dadurch erhält man auch die Abstände zwischen
Bk und U , die mit bnew
= lki bezeichnet werden (für i = 1, . . . , 4). Die Abstände zwischen
i
U und der Bounding Box werden mit bold
= li benannt. Nun sollen alle Knoten und P 0
i
genau in diese neue Umgebung Bk verschoben werden. Dies kann man durch eine geeignete
Wahl von c erreicht werden. Eine passende Verschiebung ist aber nur möglich, wenn man
für jede Richtung ein eigenes ci berechnet. Die Herleitung sieht wie folgt aus:
!
!
new
= bold
g(bold
i ·
i ) · ci = bi
⇒ ci =
1
k
bnew
i
g(bold
i )
(4.1)
(4.2)
Die Funktion g(x) soll weit entfernte Knoten näher zum Zentrum verschieben. Mit Hilfe
von ci werden dann ursprüngliche Randpunkte genau auf die entsprechende Kante der gewünschten Umgebung Bk gestreckt. Damit lassen sich die Funktionen für die verschiedenen
Regionen nach folgendem Schema kombinieren (s. Tabelle 4.1):
fj (x, y) = (f1,i (x)), f2,i0 (y)) = (g(x) · ci , g(y) · c0i ).
Region Υj
Υ0
Υ1
Υ2
Υ3
Υ4
Υ5
Υ6
Υ7
f1,i (x)
f1,1 (x)
f (x) = x
f1,2 (x)
f1,1 (x)
f1,2 (x)
f1,1 (x)
f (x) = x
f1,2 (x)
(4.3)
f2,i0 (y)
f2,3 (y)
f2,3 (y)
f2,3 (y)
f (y) = y
f (y) = y
f2,4 (y)
f2,4 (y)
f2,4 (y)
Tabelle 4.1.: Zuordnungen der Funktionen f1,i (x) und f2,i0 (x) zu den Regionen Υj .
Für g kommen zwei herkömmliche Funktionen in Frage, deren Eigenschaften und Eignung
im Folgenden beleuchtet werden.
Wurzelfunktion
Um die geforderten Eigenschaften zu erfüllen wurde folgende Funktion angewendet:
p
g(x) := m d(x)
(4.4)
q
1
m−1 ·
ci = m (bold
i )
k
24
4.2. Grundidee zur Umsetzung
25
Dabei bezeichnet d(x) den Abstand zur jeweiligen Kante der Umgebung U . In Abbildung 4.4 wird beispielhaft die Anwendung obiger Funktion gezeigt. Die zugehörige Wertetabelle ist in Tabelle 4.2 dargestellt. Man erkennt, dass Knoten, die etwas weiter vom
Zentrum z entfernt sind, näher an z heranrücken. Umgekehrt werden Knoten in der Nähe
von z etwas nach außen gedrückt. Knoten innerhalb von U behalten natürlich ihren Abstand bei, da sie, wie bereits beschrieben, für die Verkleinerung zunächst ignoriert werden.
v9
v10
v8
v11
v7
v10
v11
d(y)
v9
v8
v7
v6
v6
v5
v5
v4
d(x) v3
Z
v2
v1
v4
v3
Z
v2
v1
(a) Vorher
(b) Verkleinerung
Abbildung 4.4.: Einige Knoten, die durch eine Funktion wie in Gl. 4.4 transformiert wurden. Auch das Polygon P 0 wird auf die gleiche Weise verkleinert, so dass
es in die Umgebung U passt. Die Abstände zwischen U und Bounding Box
wurden hier halbiert (k = 2).
Knoten
v1
v2
v3
v4
v5
v6
v7
v8
v9
v10
v11
Vorher
Verkleinern mit f (x, y)
Abstand dv
Abstand dn
dn
dv
9,0
5,0
5,0
10,0
30,0
34,0
52,0
65,0
98,0
70,77
59,0
10,07
5,0
5,0
15,35
31,05
33,05
40,61
45,14
54,72
51,75
47,85
1,12
1,0
1,0
1,53
1,04
0,97
0,78
0,69
0,56
0,73
0,81
Expandieren mit h(x, y)
0
Abstand dn
k=2
15,58
7,7
9,34
28,67
57,99
61,74
75,87
84,32
102,22
95,90
88,55
0
dn
dv
k=2
1,72
1,54
1,87
2,87
1,93
1,82
1,46
1,30
1,04
1,35
1,50
00
dn
dv
k=4
2,06
2,11
3,3
3,77
2,12
1,97
1,53
1,34
1,05
1,41
1,58
Tabelle 4.2.: Übersicht über die Abstände einiger Knoten
zu z bei Verwendung von
p
0
f (x, y) = (g(x) · ci , g(y) · ci ) mit g(x) := d(x) für die Verkleinerung und
h(x, y) (Gl. 4.10) für die Expansion. Die Bezeichnung der Knoten bezieht sich
dabei auf Abbildung 4.4.
Eine genauere Analyse zeigt, dass für die Skalierung drei relevante Regionen entstehen (vgl.
Abbildung 4.5). In der folgenden Gleichung bezeichnet z wie vorher auch das Zentrum und
25
26
4. Entzerren von nahen Knoten
v10
v11
v9
v8
v7
(1)
v6
v5
x0
(3)
x0
v4
v3
(2)
x0
Z
Z
v2
(4)
x0
v1
(a)
(b)
(i)
Abbildung 4.5.: Die rot schraffierte Box entsteht durch die Fixpunkte x0 , die es für jede
Seite gibt. Bei allen Punkten innerhalb dieser Umgebung vergrößert sich
der Abstand zum Zentrum, außerhalb verhält es sich umgekehrt.
V sei die Menge aller Knoten, die für die Transformation zugelassen sind (V = V \ VU ).
Dies trifft also auf alle Knoten zu, die sich innerhalb des Polygons befinden, aber außerhalb
der Umgebung U liegen. Dann ergibt sich für die m-te Wurzel und für jedes i ∈ {1, . . . , 4}
p
(i)
ein Fixpunkt x0 = m−1 cm
i . Dieser Fixpunkt beeinflusst folgende Eigenschaft:
p m
ci ⇒ fo,i (|vz|) ≥ |vz|
p m
m−1
∀v ∈ V : |vz| >
ci ⇒ fo,i (|vz|) < |vz|
∀v ∈ V : |vz| ≤
m−1
(4.5)
o ∈ {1, 2}
(4.6)
Dies hat zur Folge, dass alle Punkte mit einer kleineren Entfernung zum Zentrum als
(i)
x0 vom Zentrum wegbewegt werden (Gl. 4.5). Umgekehrt rücken die ursprünglich weiter
entfernten Knoten näher an z heran (Gl. 4.6). An dem gezeigten Beispiel lässt sich auch
erkennen, dass v4 im Verhältnis zu v5 stärker nach außen gedrängt wird, obwohl beide vor
der Transformation im rot schraffierten Bereich sind. Das heißt ebenfalls, dass je näher der
Punkt an z, desto stärker wird er von z auch entfernt. Also wird genau der Effekt erreicht,
der gewünscht ist. Zusammenfassend gesagt, wandern alle Punkte aus V in Richtung der
Kanten der rot schraffierten Box (Abbildung 4.5).
Nun bleibt noch zu klären welche Wurzelfunktion am geeignetsten scheint. An Hand von
Beispielen stellt man fest, dass bei einer stärkeren Wurzel die oben beschriebenen Eigenschaften verstärkt werden. Betrachtet man das Grenzwertverhalten für den entscheidenden
(i)
Fixpunkt x0
1
p m
1
1− m
= lim
ci = lim ci
= ci
m→∞
m→∞
q
1
1
· = bnew
lim ci = lim m (bold
)m−1 · = bold
i
i
i
m→∞
m→∞
k
k
(i)
lim x
m→∞ 0
m−1
(4.7)
erkennt man, dass dieser der vorher festgelegte Bereich ist, auf den verkleinert werden soll.
26
4.2. Grundidee zur Umsetzung
27
Da immer noch die gleichen Eigenschaften wie oben gelten, hat dies zur Folge, dass alle
Punkte gegen die Begrenzung konvergieren.
Dadurch entsteht zum einen der Nachteil eines zu stark verfälschten Umriss des Polygons. Noch schwerwiegender ist das Ansammeln aller Knoten in Richtung der Begrenzung.
Ein Entzerren wird dadurch also nicht erreicht. Deshalb sollte eine möglichst niedrige
Wurzelfunktion benutzt werden. In Beispielen hat die Quadratwurzel zufriedenstellende
Ergebnisse geliefert.
Natürlicher Logarithmus
Die zweite mögliche nicht lineare Funktion wäre der Logarithmus.
g(x) := ln(d(x))
ci =
bold
i
k · ln(bold
i )
Auch hier gibt es wieder einen Fixpunkt, den man allerdings nicht mit gängigen Funktionen
berechnen kann.
s(x) := x · ex
−1
LW (x) := s
(x)
(4.8)
(4.9)
LW (x) ist die lambertsche W-Funktion, definiert als die Umkehrung von Gleichung 4.8.
(i)
Mit einem Computeralgebrasystem erhält man den Fixpunkt x0 = −ci · LW (− c1i ).
Insgesamt betrachtet weist diese Funktion ähnliche Eigenschaften wie die Wurzelfunktion
auf, hat aber zusätzlich noch eine Besonderheit. In Abbildung 4.6 werden die Verläufe beider Funktionen gegenübergestellt. Zu beachten ist dabei, dass der Funktionsgraph nicht
die jeweilige Funktion, sondern das Verhältnis der verwendeten Funktion im Vergleich
zur Eingabe wiedergibt. Man erkennt, dass es sogar zwei Fixpunkte gibt. Zwischen ihnen
wächst der Abstand aller Knoten zum Zentrum z. In dem übrigen Bereich wird er kleiner.
Je nach Definition von U muss der erste Fixpunkt aber für die gewünschte Anwendung
keine Auswirkung haben. Da die Knoten dort für die Skalierung ignoriert werden, spielt
es keine Rolle wie sich die Funktion in der Nähe von 0 verhält. Wenn allerdings die Umgebung U sehr klein ist, werden nahe Knoten sogar noch näher zu z bewegt, was natürlich
nicht gewünscht ist. Um Abhilfe zu schaffen könnte man die Funktion durch zusätzliche
Parameter noch etwas manipulieren. Beispielsweise könnte man einen konstanten Wert auf
die Eingabe addieren um die Funktion etwas nach links zu schieben“.
”
Der weitere Verlauf zeigt ähnliche Eigenschaften wie die Quadratwurzel, jedoch mit stärkerer Wirkung. Dies kann wieder negativen Einfluss auf den Umriss des Polygons haben
und ihn zu stark verfälschen (s. Abschnitt 4.4).
Insgesamt betrachtet scheint also die Quadratwurzel die bessere Wahl zu sein und wird
deshalb auch bei der Implementierung verwendet.
4.2.1. Umgebung U
Die Größe von U hat ebenfalls eine Auswirkung auf das Ergebnis obiger Funktionen. Insbesondere wird durch sie der Parameter ci beeinflusst (Gl. 4.2), welcher wiederum direkt
(i)
den Fixpunkt x0 festlegt, der die Grenze zwischen Ausdehnen und Verkleinern vorgibt.
Im Hinblick auf die gezeigte Analyse wäre es somit günstig ci möglichst groß werden zu
lassen, dann wird auch die Umgebung, in der die größtmögliche Vergrößerung herrscht,
ebenfalls größer. Um dies zu erreichen sollte bold
möglichst groß werden und k klein bleii
ben. Aus diesem Grund wurde bei der Implementierung die Projektumgebung sehr klein
gemacht, denn dadurch wird bold
größer. Man hat also im Vergleich zu Abbildung 4.3a im
i
Wesentlichen nur noch vier und keine acht Regionen mehr.
27
28
4. Entzerren von nahen Knoten
Abbildung 4.6.: Der rote Funktionsgraph zeigt die Funktion
√ 0
x·ci
x .
ln(x)·ci
.
x
Zum Vergleich zeigt
die braune Kurve die Funktion
Man kann der Zeichnung also das
Verhältnis zur Eingabe entnehmen. D.h. für den Bereich oberhalb von y =
1 (grün) werden Knoten vom Zentrum wegbewegt. Für den Fall unterhalb
der Kurve gilt die Umkehrung.
4.3. Expandieren auf ursprüngliche Größe
Um die Entzerrung der Knoten abzuschließen wird die gesamte Umgebung wieder auf ihre
ursprüngliche Größe ausgedehnt. Dieses mal sind also auch Knoten aus VU betroffen. Die
Ausdehnung geschieht nach folgendem Schema:
hj (x, y) = (h1,i (x), h2,i0 (y))
fo,i (x)
fo,i (x) old
ho,i (x) = new · bold
· bi = fo,i (x) · k
i = 1
old
bi
k · bi
o ∈ 1, 2
Es sei darauf hingewiesen, dass diese Formel hier etwas vereinfacht angegeben wurde, um
deren Eigenschaften leichter überprüfbar zu machen. Bei der Implementierung waren teilweise noch einige Besonderheiten zu beachten, die sich aber nicht auf folgende Betrachtung
auswirken. Beispielsweise muss die Größe der Umgebung U miteingerechnet werden. Dennoch lässt sich daran schon einmal erkennen, dass Knoten innerhalb von U um maximal das
k-fache gestreckt werden (da fo,i (x) = x). Dies wird aber nur für den Fall erreicht, wenn U
eine kleine Epsilonumgebung um z ist. Entgegen der Schlussfolgerung aus Abschnitt 4.2.1
würde der gesamten Transformation ein größeres k helfen, um größere Abstände zu erreichen. Mit Hilfe der letzten beiden Spalten aus Tabelle 4.2 lässt sich das an einem konkreten
Beispiel erkennen. Letztendlich wird eine Kompromisslösung gewählt.
An Hand der folgenden Gleichungen lässt sich eine weitere wichtige Eigenschaft der nun
kompletten Transformation erkennen (k > 1).
28
4.4. Auswirkung auf den Umriss des Polygons
∀v ∈ VU : fo,i (|vz|) · k = |vz| · k
(i)
∀v ∈ V ∧ |vz| ≤ x0 : fo,i (|vz|) · k
(i)
∀v ∈ V ∧ |vz| > x0 : bold
i
⇐⇒
⇐⇒
⇐⇒
⇐⇒
⇐⇒
Gl. 4.5
29
⇒ ho,i (|vz|) > |vz|
|vz| · k ⇒ ho,i (|vz|) > |vz|
q
p
> |vz| ⇐⇒
bold
|vz|
>
i
q
p
|vz| · bold
i > |vz|
q
p
|vz| · bold
|vz|
i
>
k
k
p
|vz|
|vz| · c >
k
|vz|
fo,i (|vz|) >
k
fo,i (|vz|) · k > |vz|
>
⇒ ho,i (|vz|) > |vz|
(4.10)
(4.11)
(4.12)
Daraus lässt sich ableiten, dass durch die komplette Transformation h alle Knoten vom
Zentrum wegbewegt werden. Dies ist zwar nicht optimal, aber da das an diese Transformation anschließende Verfahren (s. Kapitel 5) die Positionen der Knoten erneut verändert,
spielt es für das Gesamtergebnis keine entscheidende Rolle.
Wichtig ist aber noch die Erkenntnis, dass diese Eigenschaft verlangt das Polygon nicht nur
aus den bereits genannten Gründen mitzuskalieren. Da alle Knoten nach außen wandern,
könnten sie das Polygon verlassen, sofern es in einem Bereich deutlich kleiner als die
Bounding Box ist. Denn dort ist die Vergrößerung zu stark als dass die Knoten noch
innerhalb des Polygons bleiben würden.
4.4. Auswirkung auf den Umriss des Polygons
Wie man in Abbildung 4.7 erkennt hat der Paramter k kaum nennenswerte Auswirkungen
auf den Umriss nach der Skalierung (vgl. 4.7b + 4.7c und 4.7f + 4.7g). Daher lässt sich
im Hinblick auf die zu erwartende stärkere Vergrößerung k auch etwas größer wählen ohne
negative Auswirkungen auf den Umriss befürchten zu müssen.
Gravierender wirkt sich jedoch die verwendete Funktion g(x) aus. Der natürliche Logarithmus (4.7d und 4.7h) sorgt dafür, dass sich der Umriss des Polygons an die Bounding
Box anschmiegt. Verglichen damit ist die Wirkung der Quadratwurzel etwas gutmütiger
und eignet sich folglich auch etwas besser.
Es lassen sich aber auch Beispiele konstruieren, bei denen je nach Lage von z im Ergebnis starke Einkerbungen auftreten. Diese erwecken einen unschönen Gesamteindruck und
werden deshalb versucht zu entfernen (Abbildung 4.8d). Sie entstehen, wenn das Polygon
mehrmals die Koordinaten des Zentrums kreuzt (vgl. Abbildung 4.8a). Durch das Expandieren (Abschnitt 4.3) werden solche Kurven in gegensätzliche Richtungen gestreckt
und dadurch verstärkt. Um das Auftreten solcher Einkerbungen zu verhindern, wird das
Polygon vor der Skalierung verändert. Dazu werden die Knoten, die für eine Einkerbung
sorgen können, zunächst identifiziert (Abbildung 4.8c). Ob die Knoten dann entfernt werden hängt davon ab, ob sie wichtig für den Umriss sind. Um das festzustellen wird als
erstes der maximal entfernte Knoten der Kurve zu der Mittellinie gesucht. Dadurch erhält
man die Länge a. Des Weiteren wird die Fläche berechnet, den dieser Teil des Polygons einnimmt. Sollte die Fläche unter einem vorher festgelegten Schwellwert liegen und a
29
30
4. Entzerren von nahen Knoten
(a) Vor Skalierung. (b) Nach Skalierung.
(c) Nach Skalierung.
(d) Nach Skalierung.
p
p
k = 2, g(x) = d(x)
k = 6, g(x) = d(x)
k = 2, g(x) = ln(d(x)).
(e) Vor Skalierung. (f) Nach Skalierung.
p
k = 2, g(x) = d(x)
(g) Nach Skalierung.
(h) Nach Skalierung.
p
k = 6, g(x) = d(x)
k = 2, g(x) = ln(d(x))
Abbildung 4.7.: Auswirkung der Skalierung auf die Bundesländer Baden-Württemberg
((a) – (d)) und Bayern ((e) – (h)).
ebenfalls unter einem zweiten Schwellwert liegt, wird die Kurve entfernt. Die Schwellwerte
werden in Abhängigkeit der Knotengröße so definiert, dass dadurch nur kleine Teile aus
dem Polygon entfernt werden, die sonst zu den beschriebenen Einkerbungen führen. Wenn
man das Verfahren auf Abbildung 4.8d anwendet erhält man als Resultat Abbildung 4.8e.
4.5. Resultat
An Beispiel 4.9 lässt sich erkennen, wie sich obiges Verfahren auf die Knoten auswirkt. Die
vielen sich überlappenden Knoten im unteren Bereich von 4.9a wurden etwas voneinander
entfernt. Man könnte dies noch etwas verbessern, wenn man kein vorgegebenes Zentrum z
als Eingabe erhält, sondern den Schwerpunkt einer solchen Knotenanhäufung als Zentrum
wählt. Dadurch wird sichergestellt, dass sich die Knoten in alle Richtungen um z ausbreiten
können. Im gezeigten Beispiel ist das nicht der Fall. Hier werden die Knoten um z im
Wesentlichen nur in eine Richtung gedrückt, da sie im Vergleich zu z alle eine ähnliche
Lage aufweisen. Mit einer Änderung wäre also eine ausgeglichenere Entzerrung gegeben.
Hier ist es allerdings erwünscht das Projektzentrum z nicht zu ändern. Am Ende wird auf
das Polygon nochmal der Douglas-Peucker-Algorithmus angewendet. Die Überlappungen,
die weiterhin auftreten, müssen aber durch ein weiteres Verfahren entfernt werden. Dies
ist in Kapitel 5 beschrieben.
4.6. Alternative Variante der Expansion
Das beschriebene Verfahren wurde für die Anwendungsfälle noch leicht abgeändert. Während der Entwicklungsphase hat sich herausgestellt, dass es aus ästhetischen Gründen sinnvoller ist, wenn sich der Projektstandort im Zentrum der Zeichnung des sozialen Netzwerks
befindet. Um dies umzusetzen wird nach der Verkleinerung (Abschnitt 4.2) die komplette
geschrumpfte Umgebung so verschoben, dass sich das Zentrum z in der Mitte des Polygons
befindet (vgl. Abbildung 4.10).
30
4.6. Alternative Variante der Expansion
31
(a) Durch das mehrmalige Kreuzen der Mittellinie werden beim Vergrößerungsschritt aus
kleineren Kurven tiefe Einkerbungen im Polygon. Hier wird das Polygon von der Skalierung gezeigt.
(b) Nach der Skalierung sind ausgeprägte Einkerbungen zu sehen.
a
(c) Sowohl der maximale Abstand a und die schraffierte Fläche werden berechnet. Sind beide
unter vorher festgelegten Schwellwerten, werden die rot markierten Knoten aus dem Polygon
gelöscht.
(d) Beispiel für unschöne Einkerbungen.
(e) Das Verfahren mit den Schwellwerten aus
4.8c angewendet auf 4.8d.
Abbildung 4.8.: Negative Auswirkung der Streckung auf das Polygon.
(a) Beispiel vor Skalierung.
(b) Nach Skalierung (k = 2).
Abbildung 4.9.: Resultat
31
(c) Anwendung des DouglasPeucker-Algorithmus.
32
4. Entzerren von nahen Knoten
Z
Z
Z
(a)
Ausgangssituation wie
in Abschnitt 4.2 beschrieben.
(b)
Verschiebung der geschrumpften Umgebung,
so dass z in der Mitte der
Bounding Box liegt.
(c) Anschließend Vergrößerung wie auch in Abschnitt 4.3 beschrieben.
Abbildung 4.10.: Beschreibung der Änderung, die im Vergleich zum obigen Verfahren, bei
der Implementierung gemacht wurde.
Dabei kann es im Gegensatz zu vorher vorkommen, dass die geschrumpfte Umgebung außerhalb der Bounding Box liegt. Durch die anschließende Vergrößerung auf die ursprüngliche Größe wird dies aber wieder korrigiert. Bei der Vergrößerung sind im Vergleich zu
oben keine weiteren Änderungen mehr notwendig gewesen. Ein positiver Nebeneffekt, der
durch das Verschieben in die Mitte erreicht wird, zeigt sich in Kapitel 5. Dort konnte es
vorkommen, dass durch eine Lage des Zentrums am Rand, einige Knoten aus dem Polygon
heraus gedrückt wurden. Nach der Verschiebung ist um das Zentrum allerdings mehr Platz
für die Knoten und dadurch wird dieses Problem verringert.
32
5. Übereinanderliegende Knoten
Bei den verwendeten Graphen stößt man oft auf das Problem, dass Knoten initial die gleiche Position im Layout haben. Ursache dafür sind gleiche Postleitzahlen bei unterschiedlichen Akteuren. Solchen Akteuren werden dann die gleiche initiale Position zugeordnet.
Um das Layout aber insoweit lesbar zu machen, dass man jeden Knoten erkennen kann,
ist es notwendig Überlagerungen von Knoten aufzulösen.
Um dies zu erreichen wird ein automatischer Layoutalgorithmus aus der Graphenbibliothek
yFiles [yWo11] benutzt und passend parametrisiert. Der Algorithmus gehört zur Klasse der
kräftebasierte Verfahren [BETT99]. Eine kurze Einführung hierfür liefert Abschnitt 5.1.
Verbreitete Implementierungen eines kräftebasierten Verfahrens werden in [KK89] und
[FR91] vorgestellt. In Abschnitt 5.3 wird näher auf die Benutzung des verwendeten Algorithmus eingegangen.
5.1. Kräftebasierte Verfahren
In Anlehnung an die Physik wird bei kräftebasierten Verfahren der Graph als Modell
verstanden, in dem Kräfte herrschen, die der Algorithmus versucht auszugleichen. So kann
man sich Knoten als elektrisch geladene Teilchen vorstellen, die sich gegenseitig abstoßen.
Dahingegen verhalten sich Kanten wie Federn, die dafür sorgen, dass sich adjazente Knoten
nicht zu weit voneinander entfernen. Der Algorithmus simuliert nun ein System aus den
beschriebenen Kräften und gibt am Ende eine Konfiguration des Graphen zurück, bei der
die wirkenden Kräfte möglichst minimal sind. Dies geschieht oft durch mehrere Iterationen
über alle Knoten, wobei in jedem Durchgang die Knoten nacheinander etwas verschoben
werden. Die Verschiebung bewirkt eine Verringerung der Summe aller wirkenden Kräfte.
Das Ergebnis entspricht einer Zeichnung, bei der die Knoten einen ausreichenden Abstand
zu ihren Nachbarn haben. Ein Beispiel dazu findet sich in Abbildung 5.1(a) und (b). Dort
ergab sich eine deutlich klarere Zeichnung mit weniger Kreuzungen. Die auf einen Knoten
wirkende Kraft lässt sich mathematisch wie in Gleichung beschreiben:
K(v) =
X
fuv +
(u,v)∈E
X
guv
(5.1)
(u,v)∈V ×V
Dabei ist fuv die Federkraft zwischen den Knoten u und v. Die Abstoßungskräfte zwischen
u und v werden durch die Summe über guv berechnet. In [BETT99] wird folgende Berech-
33
34
5. Übereinanderliegende Knoten
nung der Kräfte für den x-Wert von v mit der Distanzfunktion d(pi , pj ) vorgeschlagen:
(1)
fuv = kuv
(d(pu , pv ) − luv ) ·
x0 − xu
d(pu , pv )
(5.2)
(2)
guv =
xv − xu
kuv
·
2
(d(pu , pv )) d(pu , pv )
(5.3)
Die Berechnung des y-Werts erfolgt analog. In der Formel bezeichnet luv die natürliche
(1)
Länge der Feder zwischen den Knoten u und v bei der keine Kraft wirkt. Mit kuv wird
(1)
die Steifheit der Feder modelliert. Je größer kuv , desto eher tendieren die Knoten u und v
(2)
zu einem Abstand von luv . Schließlich wird mit kuv die Abstoßungskraft zwischen u und
v festgelegt.
Ziel ist es nun für das Gesamtsystem
!
min
X
K(v)
v∈V
ein, zumindest lokales, Minimum zu finden. Weitere Verfeinerungen sind möglich, z.B.
lassen sich unterschiedliche Steifheiten der Federn simulieren, die in Abhängigkeit zu den
gewünschten Kantenlängen stehen. Oder es lassen sich unterschiedliche Abstoßungskräfte
bei verschiedene Teilmengen der Knoten simulieren.
5.2. Verwendung eines kräftebasierten Verfahrens
Die Zielstellung hier ist es alle Überdeckungen aufzulösen ohne dabei aber die vordefinierte Position zu sehr abzuwandeln. Außerdem sollen die Knoten die ihnen zugewiesene
Region nicht verlassen können. Mit Hilfe von so genannten Ankerknoten kann man einen
Layoutalgorithmus dazu zwingen eine vordefinierte Knotenposition zu beachten [Lyo92].
Um die erste Bedingung zu erfüllen wird für jeden Knoten u ein Ankerknoten ou an der
gleichen Position erstellt. Dieser darf durch den Algorithmus nicht verschoben werden. Er
soll den zugehörigen Knoten u lediglich zu sich heranziehen, damit er sich nicht zu weit
wegbewegt. Dies geschieht mit einer Kante (u, ou ) zwischen Anker- und Originalknoten.
Für diese Kante sollte die Federkraft fuou recht hoch sein und die Abstoßungskraft zwischen
u und ou relativ gering. Ein Beispiel für die Verwendung von Ankerknoten findet sich in
Abbildung 5.1(c). Im Vergleich zu (b) ohne Ankerknoten sind die Knoten dort deutlich
näher an ihrer ursprünglichen Position. Die Ankerknoten sind also nötig, da sonst die
Knoten keinen Bezug zu ihrer Ausgangssituation mehr haben.
Um die Knoten nun noch in ihrer zugewiesenen Region zu halten, sollte nach Möglichkeit
dem Algorithmus kenntlich gemacht werden, welche Bereiche für die Positionierung der
Knoten möglich sind und welche nicht.
5.3. Benutzung des SmartOrganicLayouter
Auf eine eigene Implementierung eines kräftebasierten Verfahrens wurde verzichtet. Stattdessen wurde der SmartOrganicLayouter aus der yFiles-Bibliothek [yWo11] benutzt. Um
die Ausgabe nach eigenen Wünschen anzupassen, gibt es einige Einstellmöglichkeiten, die
in geeigneter Weise gewählt wurden um das Ergebnis positiv zu beeinflussen.
Dem Algorithmus wird ein Graph G als Parameter übergeben, aus dessen Knotenmenge V
alle Knoten verschoben werden dürfen. Mit Hilfe einer weiteren Knotenmenge V 0 kann man
aber Ausnahmen definieren, die der SmartOrganicLayouter nicht bewegen darf. Zusätzlich
34
5.3. Benutzung des SmartOrganicLayouter
35
4
1
6
2
4
3
5
(a)
1
5
3
2
6
1
(b)
4
6
5
2
3
(c)
Abbildung 5.1.: Abbildung (a) zeigt den Graph G. In Abbildung (b) wurde ein kräftebasiertes Verfahren auf G angewendet. Im Gegensatz dazu wurde in Abbildung (c) für jeden Knoten aus G zusätzlich ein Ankerknoten (grau)
erstellt, der die gleiche Position wie sein Original einnimmt. Anschließend
wurde das gleiche Verfahren wie in (b) eingesetzt.
kann für jede Kante e aus E eine Wunschlänge ωe definiert werden. Diese beeinflusst die
Federkraft fe , sodass e nach dem Layoutverfahren möglichst die vorgegebene Länge ωe
hat. Außerdem kann man dem Layouter fest vorgegebene Regionen zuordnen, in denen
die Knoten sich am Ende befinden dürfen. Es stehen dabei aber nur einfache geometrische Figuren, wie Rechtecke, zur Verfügung. Um die Knoten in ihrer gewünschten Region
zu halten reicht dies nicht aus, da hier ein komplexeres Polygon als Grenze erwünscht
ist. Damit man dennoch das Ziel erreichen kann, die Knoten innerhalb ihrer Region zu
positionieren, wird sowohl die Grenze nach innen, als auch nach außen als Polygon dem
Graphen hinzugefügt. Zusätzlich werden diese Abgrenzungspolygone mit weiteren Knoten
angereichert. Damit bewirkt man eine höhere abstoßende Kraft, die die zu bewegenden
Knoten innerhalb der Region von den umgebenden Polygonen erfährt. Damit werden die
Knoten nach innen gedrückt und ein Verlassen aus der Region wird verhindert. Die Knoten,
die zu den Polygonen gehören, dürfen nicht verschoben werden. Die Abgrenzungspolygone werden der Menge V 0 hinzugefügt, damit sie während dem Algorithmus nicht bewegt
werden.
Eine weitere Besonderheit ist die getrennte Betrachtung von verschiedenen Zusammenhangskomponenten. Diese werden während des Algorithmus voneinander räumlich getrennt
und auch separat betrachtet. Da das zugrundeliegende soziale Netzwerk nicht notwendigerweise einer Zusammenhangskomponente entspricht, aber eine Trennung nicht erwünscht
ist, wird jeder Knoten und die Abgrenzungspolygone mit dem Projektzentrum verbunden.
Die Wunschlänge ω dieser Kanten wird auf 80% ihrer ursprünglichen Länge gesetzt. Somit
wird genügend Flexibilität geboten ohne aber dem Layouter zu viel Spielraum zu lassen.
Gleichzeitig sorgt man aber auch dafür, dass die Knoten in der Nähe des Projektzentrums
bleiben. Aus dem gleichen Grund wird die Wunschlänge der normalen Kanten, die der
Graph enthält ebenfalls auf 80% ihrer originalen Länge gesetzt. Für die Kanten kann man
noch eine zusätzliche Option aktivieren, damit der Algorithmus auftretende Kreuzungen
versucht zu verhindern.
Wie in Abschnitt 5.2 bereits beschrieben, wird nun für jeden Knoten u aus V ein Ankerknoten ou erstellt. Diese werden ebenfalls der Menge V 0 hinzugefügt und können deshalb nicht
vom Algorithmus verschoben werden. Durch ihre Verbindungskante e = (u, ou ) sorgen sie
dafür, dass der originale Knoten nicht zu weit von seiner initialen Position entfernt wird.
Die gewünschte Kantenlänge von e wird dabei auf einen Wert kleiner als die Knotengröße
35
36
5. Übereinanderliegende Knoten
gesetzt. Damit erhält man sozusagen eine starke Feder, die den zu verschiebenden Knoten
in der Nähe seiner Ursprungspostion hält.
Der SmartOrganicLayouter kennt drei unterschiedliche Kräfte. Zu den bereits bekannten
Feder- und Abstoßungskräfte kommt noch eine Gravitationskraft hinzu. Dieses liegt im
Schwerpunkt aller Knoten aus V und zieht alle Knoten zu sich heran. Das Zusammenspiel der Kräfte lässt sich nur über einen Wert steuern, die sogenannte compactness. Die
compactness kann mit einem Wert aus dem Intervall (0..1] belegt werden. Dabei sorgt
ein höherer Wert für eine stärkere Gravitationskraft. Zusätzlich werden die Federkräfte
gegenüber den Abstoßungskräften erhöht. Da nur eine minimale Verschiebung erwünscht
ist, sollten die Abstoßungskräfte eher niedrig sein, aber hoch genug um Überlappungen
aufzulösen. Folglich sollte der compactness-Wert eher höher sein (0,6 – 0,8). Hier wurde
bei der Implementierung etwas experimentiert und ein Wert genommen, der ein optisch ansprechendes Ergebnis liefert. Die Unterschiede fallen aber ohnehin gering aus, da durch die
Ankerknoten dem Algorithmus schon einige Einschränkungen vorgegeben sind. Nachdem
der Layouter gestartet wurde und sein Ergebnis zurückgeliefert hat werden alle eingefügten
Ankerknoten und -kanten wieder gelöscht. Ebenfalls gelöscht werden die mit zusätzlichen
Knoten angereicherten Begrenzungspolygone.
Die drei Teilgraphen in den Regionen R0 , R1 und R2 werden jeweils separat gezeichnet.
In jedem Schritt werden zunächst einmal das innere und äußere Begrenzungspolygon dem
Graphen hinzugefügt, welche die Grenzen der entsprechenden Region darstellen. Im Falle
des Layouts für die Knoten V = A0 wäre dies das zugehörige Bundesland für das äußere
Polygon. Ein inneres Begrenzungspolygon ist hier überflüssig und wird weggelassen. Wenn
man das obige Verfahren auf alle drei Regionen angewendet hat, besitzen alle Knoten neue
Positionen, die aber immer noch keine überschneidungsfreie Zeichnung garantieren.
5.4. Auftretende Probleme mit dem SmartOrganicLayouter
Damit man mit dem Algorithmus das geforderte Ziel, Überlappungen von Knoten aufzulösen, auch tatsächlich erreicht, ist es erforderlich Knotenüberlappungen explizit zu verbieten. Um während des Verfahrens auftretende Überlappungen aufzulösen ist dem SmartOrganicLayouter ein weiterer Algorithmus nachgeschaltet, der diese Überlappungen auflöst.
Der Nachbearbeitungsschritt kann jedoch nicht weiter konfiguriert werden. Für die Anwendung ist dies aber problematisch, da es dabei vorkommen kann, dass Knoten aus der
vordefinierten Region herausgeschobenen werden. Der Grund dafür liegt darin, dass hier
kein kräftebasiertes Verfahren mehr angewendet wird. So können es einzelne Knoten schaffen das Begrenzungspolygon zu überwinden, weil dort gerade genügend Platz vorhanden
ist, um auftretende Überschneidungen aufzulösen. Leider gibt es beim SmartOrganicLayouter keine Möglichkeit um dies zu verhindern. Deshalb wird versucht mit einem eigenen
einfachen Verfahren (s. Abschnitt 5.4.1) die Fehler nach der Berechnung des SmartOrganicLayouter zu korrigieren. Negativ zu bewerten ist außerdem die Positionierung der Knoten,
die durch den SmartOrganicLayouter gewählt wird. Es ist nicht unbedingt klar, wie stark
die geographische Relation zwischen den Knoten dabei vertauscht wird. Ein speziell auf
diese Anwendung angepasstes kräftebasiertes Verfahren dürfte wohl bessere Ergebnisse
liefern, übersteigt aber den Rahmen dieser Bachelorarbeit.
5.4.1. Zurückschieben von Knoten in ihre vordefinierte Region
Zunächst werden sämtliche Knoten identifiziert, die durch obiges Verfahren ihre vordefinierte Region verlassen haben. Vor der Anwendung des SmartOrganicLayouter merkt man
sich zusätzlich noch die Position σu , die der Knoten vorher inne hatte. Ziel ist es nun
alle Knoten möglichst nah wieder an ihre ursprüngliche Position σ zu verschieben, ohne
36
5.4. Auftretende Probleme mit dem SmartOrganicLayouter
37
dass sie andere Knoten überdecken, die sich nun zwischen dem Knoten und σ befinden.
(Abbildung 5.2a).
Im Folgenden ist der aktuell zu verschiebende Knoten mit u0 bezeichnet. Als erstes wird
ein Schlauch um diesen Knoten und die Zielposition σu0 gebildet. Die Breite des Schlauches
wird doppelt so hoch wie der Knotendurchmesser gewählt. Dadurch können aufkommende
Hindernisse als Punkte behandelt werden. Die Länge des Schlauchs entspricht dem Abstand zwischen u0 und σu0 , zuzüglich des halben Knotendurchmessers. Sonst würde man
Hindernisse hinter σu0 außer Acht lassen. Nun wird die Menge H aller Knoten gebildet,
deren Mittelpunkte innerhalb des Schlauchs und der Region liegen. Trifft dies auf keinen
Knoten zu, kann man direkt die Position σu0 für u0 wählen und der Knoten befindet sich
wieder innerhalb seiner Region. Wenn die Menge allerdings nicht leer ist, wird diese nach
dem Abstand zu u0 sortiert. Das Hindernis H ∈ H mit der kürzesten Entfernung wird
ausgewählt. Die neue Position kann man mit Hilfe des Satzes von Pythagoras berechnen
(vgl. Abbildung 5.2d).
Diese einfache Korrektur der Position hat auch ihre Schwächen. Es ist beispielsweise nicht
sichergestellt, dass sich innerhalb des Schlauchs genügend freier Raum für den Knoten u0
befindet. Sollten dort zu viele Hindernisse sein, kann der Knoten nicht verschoben werden.
Allerdings treten die falsch positionierten Knoten eher selten auf. Die Zeichnung wird
auch groß genug gewählt, dass genügend Platz für alle Knoten innerhalb einer Region ist
(s. Abschnitt 3.2). So kann man davon ausgehen, dass komplizierte Fälle gar nicht erst
auftreten und ein ausgereifteres Verfahren nicht notwendig ist.
37
38
5. Übereinanderliegende Knoten
u0
2·φ
σu0
u0
u0
H1
u0 σu0 +
(a)
φ
2
σu0
H2
(b)
(c)
H
r d
s X
u0
σu0
(d)
σu0
u0
u0
H
σu0
(e)
Abbildung 5.2.: Abbildung (a) zeigt den Knoten u0 , welcher nach dem SmartOrganicLayouter außerhalb seiner zugewiesenen Region liegt. Ursprünglich hatte er
die Position von σu0 . Nun wird versucht, seine Position zu korrigieren, indem eine Position zwischen u0 und σu0 gesucht wird, so dass kein anderer
Knoten überdeckt wird. In Abbildung (b) wird die Region gezeigt, in der
sich eventuell Hindernisse befinden können. Alle Hindernisse werden nach
Entfernung zu u0 sortiert. In Abbildung (d) wird eine möglichst nahe Position zu σu0 bestimmt, ohne dass das nächste Hindernis H überdeckt wird.
Dafür ist es notwendig X zu bestimmen. X ist der Schnittpunkt zwischen
der Strecke
u0 σu0 und ihrer orthogonalen Strecke durch H. Mit Hilfe von
√
s = r2 − d2 lässt sich dann die gesuchte neue Position bestimmen. Die
Strecke r hat die Länge des Knotenradius φ damit die Hindernisse nicht
als Knoten, sondern als Punkte betrachtet werden können. Abbildung (e)
zeigt das Ergebnis, bei dem u0 nun wieder eine Position innerhalb der
Region hat.
38
6. Beschriftung der Knoten
Die Aufgabe, automatisch eine Position für die Beschriftung jedes Knotens zu finden,
ohne dass dadurch eine andere Beschriftung oder ein Knoten überdeckt wird, wurde unter anderem in [MS91] untersucht. Die Autoren haben dort eine vereinfachte Variante
unter der Annahme von einer festen Beschriftungsgröße und vier möglichen Positionen
für die Beschriftung als Problem definiert. Damit konnten sie zeigen, dass das Problem
NP-vollständig ist. Gute Lösungen sind daher schwer zu finden. In [AHS05] werden verschiedene heuristische Methoden zur Erzeugung guter Beschriftungen beschrieben. Unter
anderem wird ein kräftebasierter Ansatz erwähnt, der auch hier Verwendung findet. Bei
der Positionierung der Beschriftungen wird eine Strategie verfolgt, bei der diese möglichst
um den Graphen herum platziert werden. Damit wird versucht den Platz im Inneren überwiegend für die Darstellung der Knoten zu verwenden.
Die Platzierung der Beschriftungen gliedert sich in zwei Schritte. Zu Beginn wird mit Hilfe einer einfachen Heuristik für jede Beschriftung eine initiale Position berechnet. Dabei
wird zunächst keine Rücksicht auf Überlappungen mit anderen Knoten genommen. Anschließend wird erneut ein kräftebasiertes Verfahren benutzt, um die endgültige Lage der
Beschriftungsknoten festzulegen. Das Verfahren soll dafür sorgen, dass sich die Beschriftungen dort anordnen, wo noch genügend Platz ist.
Bei der Berechnung der initialen Positionen aus dem ersten Schritt werden alle Beschriftungen in zwei Kategorien unterteilt. Zum einen gibt es die Gruppe der Beschriftungen
B0 , deren Knoten sich in der Region R0 ansammeln. Dies sind also alle Beschriftungen
für die Knoten aus A0 . In der zweiten Gruppe B1 sind alle übrigen Beschriftungen, die zu
Knoten aus dem äußeren Bereich des Graphen gehören (A1 ∪ A2 ).
Alle Beschriftungen aus B1 werden initial abhängig von ihrer Position in gegensätzlicher
Richtung zu der Position der Bounding Box des Bundeslandes positioniert (vgl. Abbildung 6.1a). Wenn sich die Bounding Box rechts vom Knoten befindet, wird die Beschriftung
links vom Knoten angeordnet. Entsprechend wird mit den anderen Richtungen verfahren.
Auf diese Weise kann man die Beschriftungen aus B1 in acht Regionen unterteilen. Durch
die Wahl dieser initialen Position wird sichergestellt, dass die Beschriftungen der äußeren
Knoten während des kräftebasierten Verfahrens hauptsächlich nach außen gedrückt werden. Somit wird innen mehr Platz für die dortigen Beschriftungen und Knoten geschaffen
und das Risiko von Überlappungen zwischen Beschriftungen und Knoten wird verringert.
Die Wahl der Bounding Box als Indikator macht zwar eine einfache Abfrage möglich, lässt
aber auch einen Sonderfall zu (vgl. Abbildung 6.1b). Es kann der Fall eintreten, dass sich
39
40
6. Beschriftung der Knoten
ein Knoten aus A1 ∪ A2 innerhalb der Bounding Box befindet. Eine Aussage über die
Lage des Knoten im Vergleich zur Bounding Box ist dann nicht mehr möglich. Tritt diese
Problematik auf, wird die Position in Abhängigkeit zum Mittelpunkt der Bounding Box
bestimmt. Dadurch sind aber nur noch vier verschiedene Regionen möglich.
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
Label
(a) Die Positionierung der Beschriftung der äußeren Knoten im Graphen geschieht abhängig zur Lage der Bounding Box des Bundeslandes. Die roten Pfeile symbolisieren die hauptsächlichen Kräfte, die während des kräftebasierten Verfahrens auf die Beschriftungsknoten wirken.
(b)
Falls der Knoten innerhalb
der Bounding Box liegt, kann
nicht mehr über die Position
entschieden werden. In diesem
Fall wird die initiale Position
abhängig vom Mittelpunkt der
Bounding Box gewählt.
Abbildung 6.1.: Bestimmung der initialen Position der Beschriftung von äußeren Knoten.
Um die Beschriftungen B0 zu positionieren könnte man, ähnlich wie oben, die Beschriftungen abhängig von der Position des Knotens zum Mittelpunkt der Bounding Box platzieren.
Dies hat aber den Nachteil, dass je nach Verteilung der Knoten, die zugehörigen Beschriftungen sehr einseitig angeordnet werden (vgl. Abbildung 6.2a). Damit wird der gerade
im Inneren geringe Platz schlecht ausgenutzt. Zwar könnte man statt des Mittelpunkts
den Schwerpunkt aller Knoten nehmen, allerdings wird das Ergebnis dadurch nicht wesentlich besser. Gesucht ist also eine Möglichkeit die Beschriftungen gleichmäßiger um das
Bundesland zu verteilen. Um dies zu erreichen wird zunächst der Schwerpunkt S aller
zugehörigen Knoten berechnet. Von diesem Schwerpunkt aus wird ein Strahl durch jeden
Knoten konstruiert, der anschließend den Umkreis der Bounding Box des Bundeslandes
schneidet (Abbildung 6.2b). Damit wird jedem Knoten ein Punkt auf dem Kreis zugeordnet. Abhängig von diesem Punkt werden die Knoten sortiert. Nun beginnt man von
einem beliebigen Knoten aus und ordnet der zugehörigen Beschriftung l0 den berechneten
Schnittpunkt zu. Für die weiteren Beschriftungen li nimmt man folgende Position:
360◦
|B0 |
li ←− l0 + i ∗ γ
γ=
(6.1)
(6.2)
Somit wird eine gleichmäßige Verteilung gewährleistet (Abbildung 6.2c) und es existiert
für jeden Beschriftungsknoten eine Ausgangsposition.
Um nun eine konfliktfreie Positionierung zu ermöglichen (keine Überdeckungen) werden
am Ende alle Beschriftungen durch ein kräftebasiertes Verfahren verschoben. Hier kommt
wie in Abschnitt 5.3 erneut der SmartOrganicLayouter zum Einsatz. Wieder werden Ankerknoten benutzt um die Knoten möglichst nah ihrer oben beschriebenen Initialposition
40
41
zu belassen. Der Layouter soll lediglich dort die Beschriftungen verschieben, wo es eine
Überdeckung mit anderen Knoten gibt. Die eigentlichen Knoten des Graphs werden der
Menge V 0 hinzugefügt und können nicht verschoben werden.
Aus praktischen Gründen wird jedes Label mit dessen Knoten noch durch eine Kante
verbunden. Zum einen ist die Kante essentiell um beim Lesen des Layouts überhaupt erst
feststellen zu können, welche Beschriftung zu welchem Knoten gehört. Zum anderen wirkt
die Kante während des kräftebasierten Verfahrens wie eine Feder und sorgt dafür, dass das
Label in der Nähe des Knoten bleibt. Der Layouter wird auch noch so konfiguriert, dass
im Ergebnis möglichst keine Überschneidungen zwischen Knoten und Kanten auftreten.
Label
Label
Label
Label
Label
Label
Label
Label
Label
S
M
Label
Label
Label
Label
Label
(a) Auswirkung wenn man für innere Beschriftungen ein ähnliches Verfahren wie bei den
äußeren Labeln anwendet. Der Nachteil dabei ist die unausgeglichene Verteilung der
Label. Während links kaum Platz für die Label sind, bietet die rechte Seite größere ungenutzte Flächen.
(b) Aus allen Knoten innerhalb des Bundeslandes wird der Schwerpunkt S berechnet. Die
Schnittpunkte der Strahlen liefern eine grobe Orientierung für die Platzierung der Beschriftungen auf dem Umkreis. Hierfür werden die Knoten u abhängig des Schnittpunktes von dem Strahl durch u und S und dem
Umkreis im Uhrzeigersinn sortiert.
Label
Label
Label
Label
Label
Label
Label
S
Label
Label
Label
Label
Label
Label
Label
(c) Nach der Sortierung aus (b) wird ein beliebiger Knoten ausgewählt und dessen Beschriftung
l0 (rot) auf den berechneten Schnittpunkt mit dem Umkreis gesetzt. Die folgenden Label
werden auf dem Kreis um γ Grad (Gl. 6.1) verschoben und man erhält eine gleichmäßige
Verteilung der Label um das Bundesland.
Abbildung 6.2.: Bestimmung der initialen Position der Beschriftung von inneren Knoten.
41
7. Analysemöglichkeiten
7.1. Sektoren und Georeferenz
Eine erste einfache Analyse des Projekts bezieht sich auf die unterschiedlichen Sektoren
und die Lage der Akteure. In den Daten existiert für jeden Akteur eine Haltung gegenüber
dem Projekt. Es gibt sowohl negative als auch positive Wertungen mit verschiedenen Stufen. Die Haltung aller Akteure innerhalb eines Sektors werden zusammengefasst und ein
Durchschnittswert für den Sektor von -100% bis +100% gebildet. So lassen sich eventuell problematische Bereiche schnell identifizieren. Mehrere Beispiele sind in Abbildung 7.1
gezeigt.
(a) Projekt 1.
(b) Projekt 2.
(c) Projekt 3.
Abbildung 7.1.: Sektoranalyse verschiedener Projekte.
Was die Sektoranalyse betrifft steht hier das Projekt aus Szenario 1 am besten da (Abbildung 7.1a, Abbildung A.1). In der Bevölkerung gibt es aber hier noch Verbesserungspotential. Wirft man einen genaueren Blick auf die einzelnen Akteure, erkennt man in
diesem Bereich vor allem einige landesweite Zeitungen, die negativ über das Infrastrukturprojekt berichten. Es ist aber davon auszugehen, dass dies wenig negatives Licht auf das
Bauprojekt wirft, da vor allem lokale Entscheidungsträger wichtig sind und diese durchaus
überzeugt von dem Vorhaben sind. Als Betreiber kann man hier aber vielleicht reagieren und mehr Öffentlichkeitsarbeit leisten, um mehr Rückenwind aus der Bevölkerung zu
43
44
7. Analysemöglichkeiten
bekommen.
Im Gegensatz dazu scheint die Lage in Projekt 2 insgesamt negativer zu stehen (Abbildung 7.1b, Abbildung A.2). Dort wirken sich Betriebsstörungen negativ auf den Gesamteindruck aus, was man in allen Bereichen spürt. Die Unterstützung aus der Wirtschaft ist
verglichen mit Projekt 1 ebenfalls nicht so stark. Insgesamt könnte man mehr Lobbyarbeit
leisten oder durch Bürgschaften mehr Vertrauen erwerben.
Im dritten Projekt erkennt man an Hand der Lage der Knoten weitere Unterschiede zu
den vorher genannten Projekten (Abbildung 7.1c, Abbildung A.3). Dort gibt es wenig lokal
beteiligte Akteure, dafür viele überregionale oder nationale Akteure aus dem Bereich der
Politik und Verwaltung. Dies könnte ein Anzeichen für die falsche Wahl des Standortes
sein, da das Projekt von eigentlich wichtigen Stellen gefördert wird. Es ist also ebenfalls
nützlich zu erfahren, wie lokal ein Projekt verankert ist, was man an Hand der Dichte und
Verteilung der Knoten gut überblicken kann.
Wichtig für die Sektoranalyse sind korrekte Daten. Im Prinzip werden diese nur gesammelt
und entsprechend visualisiert. Eine Analyse, die die Struktur des Graphen zu Grunde legt,
wird im nächsten Abschnitt gezeigt.
7.2. Clustering
Zur Analyse der Struktur im sozialen Netzwerk wird der Graph als Instanz des CorrelationClustering Problem betrachtet [BBC02]. Dabei wird jede Kante e = (u, v) im Graph mit
h+i oder h−i markiert. Im Allgemeinen symbolisiert eine mit h+i markierte Kante, eine
Zusammengehörigkeit, gleich welcher Art, zwischen den Knoten u und v. Gegensätzlich
verhält es sich bei den h−i Kanten. Ziel des Problems ist es nun eine Aufteilung aller
Knoten in Gruppen zu finden, so dass der Kantenmarkierung möglichst gut entsprochen
wird. So sollen alle Knoten u und v, die mit einer h+i Kante verbunden sind, am Ende dem
gleichen Cluster zugeordnet werden. Ein Cluster bezeichnet eine Gruppe von Objekten mit
ähnlichen Eigenschaften. Dahingegen sollen die Knoten w und z bei einer h−i Markierung
in unterschiedlichen Gruppen sein. Dabei entsteht ein Optimierungsproblem, wobei man
die Anzahl falsch zugeordneter Beziehungen versucht zu minimieren. Darüber hinaus kann
auch für jede Kante e ein Gewicht ce definiert werden, welches ebenfalls bei der Optimierung einfließt. Das Besondere von Correlation-Clustering im Vergleich zu vielen anderen
partitionierenden Verfahren ist die Unabhängigkeit von einem externen Parameter κ, welcher vorher festlegt, wie viele Cluster existieren sollen. So werden durch das Verfahren
automatisch genau so viele Cluster gebildet, wie für eine optimale Lösung notwendig sind.
Die Autoren von [BBC02] haben dort bewiesen, dass das Problem NP-hart ist. In [DEFI06]
wird dieses Problem als lineares Programm formuliert und zusätzliche ein Algorithmus
angegeben, der durch Runden eine O(log n) Approximation erreicht. Bei den betrachteten
Daten ist man durch die relativ dünnen Graphen nicht auf eine Rundung angewiesen und
kann in akzeptabler Zeit eine genaue Lösung berechnen.
Im Folgenden bezeichnet E h−i die Menge aller h−i Kanten. Analog ist die Menge E h+i
definiert. Für jedes Knotenpaar existiert eine binäre Variable xuv , die genau dann 0 ist,
wenn u und v sich im selben Cluster befinden. Im umgekehrten Fall ist die Variable 1.
Damit lässt sich das Problem wie folgt als ILP formulieren:
Minimiere:
X
e∈E h−i
ce · (1 − xe ) +
44
X
e∈E h+i
ce · xe
(7.1)
7.2. Clustering
45
unter der Bedingung:
xuv ∈ {0, 1}
xuv + xvw ≥ xuw
∀uv ∈ V 2
(7.2)
2
(7.4)
∀u, v, w ∈ V
∀uv ∈ V
xuv = xvu
(7.3)
Gleichung 7.1 setzt genau die Forderung um, die falsch zugewiesenen Knoten zu minimieren. Für h−i Kanten ist die Summe minimal, wenn xuv = 1 gilt, also genau dann, wenn
u und v in verschiedenen Clustern sind. Dagegen wird die zweite Summe minimal, wenn
xuv = 0 gilt. Weiterhin muss für alle xe die Transitivität gelten (Gl. 7.3) um widersprüchliche Zuordnungen so vermeiden.
Bezüglich der Anwendung werden alle Kanten mit h+i markiert, deren Akteure sich positiv
gesinnt sind. Umgekehrt geschieht dies bei negativen Kanten.
7.2.1. Analyse der Projektstruktur
Um die Projekte mit der Clusteranalyse strukturell voneinander zu unterscheiden, sind in
den vorhandenen Beispielen leider zu wenige Daten vorhanden. So lässt sich keine Aussage
darüber treffen, ob sich negativ verlaufene Projekte, von erfolgreichen Projekten im Bezug
auf ihre Clusterstruktur unterscheiden.
Es lassen sich aber einige Merkmale feststellen, die ein erfolgreiches Projekt vermutlich hat.
Im Abbildung 7.2 wird ein Beispiel gezeigt, wie eine Instanz eines Correlation-ClusteringProblems visualisiert wird. Die Akteure, die dem Projekt gegenüber positiv gesinnt sind,
erkennt man an der grünen Umrandung der Knoten. Wenn es wenige Cluster gibt, in
denen sich die positiv eingestellten Akteure sammeln, kann dies ein Zeichen von guter
Zusammenarbeit sein. Umgekehrt kann eine Verteilung in viele verschiedene Cluster über
eine Uneinigkeit Erkenntnisse liefern. Insbesondere die Akteure aus dem Bereich der Politik
sind für ein erfolgreiches Projekt von entscheidender Bedeutung. Wenn also Knoten aus der
Politik zusammen mit den Betreibern in dem gleichen Cluster landen, kann dies ebenfalls
ein sehr gutes Zeichen für das Gelingen des Projekts sein. Optimal aus Sicht des Projekts
wäre es wohl, wenn alle positiv gestimmten Akteure in ein gemeinsames Cluster zugeordnet,
während ihre Gegner in vielen verschiedenen Clustern aufgeteilt sind. Damit scheinen
die Gegenparteien untereinander sehr zerstritten und ein gemeinsames Vorgehen um das
Projekt zu verhindern scheint schwierig.
45
46
7. Analysemöglichkeiten
Abbildung 7.2.: Beispiel Clustering. Die Farbe der Knoten gibt erneut die Zugehörigkeit
zu den Sektoren an, während die farbliche Umrandung die Haltung des
Akteurs gegenüber dem Projekt veranschaulicht.
46
8. Zusammenfassung und Ausblick
Zunächst wurde ein Überblick über soziale Netzwerke gegeben und eine Möglichkeit beschrieben, wie man z.B. ein Infrastrukturprojekt als Netzwerk zeichnen kann. Einige Beispiele, die mit den beschriebenen Verfahren entstehen, sind im Anhang zu finden.
Das Erstellen des Layouts gliedert sich in verschiedene Schritte. Nachdem jedem Knoten
seine geographische Koordinate zugeordnet wurde (Abbildung 8.1a) ist es nötig die Region
um den Projektstandort auszudehnen, um alle Akteure sichtbar zu machen. Gleichzeitig
werden in dieser Phase alle Akteure so verschoben, dass sich der Standort am Ende in der
Mitte der Zeichnung befindet. Um die Änderung der geographischen Position sichtbar zu
machen, wird auch der Umriss des Bundeslandes verfälscht (Abbildung 8.1b).
Als nächstes werden die weiteren Regionen eingezeichnet und die Akteure aus A1 und A2
platziert (Abbildung 8.1c). Die Position orientiert sich dabei ebenfalls an der geographischen Koordinate, ist aber auch vom Zufall abhängig.
Nachdem nun alle Knoten eine initiale Position besitzen, müssen die noch vorhandenen
Überlappungen aufgelöst werden (Abbildung 8.1d). Dazu wurde ein kräftebasiertes Verfahren eingesetzt. Dabei kann es vorkommen, dass Knoten ihre vordefinierte Region verlassen. Diese müssen zur Korrektur wieder zurückgeschoben werden. Hierzu wurde ein sehr
einfaches Verfahren benutzt, welches auch ausreicht, da dieser Fall in den betrachteten
Beispielen nicht häufig auftritt. Nun können, falls gewünscht, noch Kanten eingezeichnet
werden (Abbildung 8.1e). Insgesamt betrachtet ist das Layout mit Kanten aber leider zu
unübersichtlich. Durch den Wunsch der Georeferenzierung kann man wenig Rücksicht auf
Kreuzungen und Winkelauflösung nehmen. Wenn man darauf aber mehr Wert legen will,
könnte man die Knoten in den äußeren Regionen freier platzieren und dabei mehr auf
Kreuzungen der Kanten achten.
Abschließend werden noch die Beschriftungen eingezeichnet. Für eine initiale Position wurde die hierarchische Anordnung der Knoten in Regionen ausgenutzt. Die endgültige Position richtet sich dann erneut nach einem kräftebasierten Algorithmus (Abbildung 8.1f).
Der mehrfache Einsatz des kräftebasierten Verfahrens nimmt fast die komplette Berechnungszeit des Layouts in Anspruch. Während das Einlesen der Daten in etwa 15 % der
Laufzeit in Anspruch nimmt, schlägt das Auflösen der Überlappungen mit etwa 80 % der
Laufzeit zu Buche. Beim Platzieren der Beschriftungen werden zusätzliche 4 % benötigt,
also deutlich weniger obwohl das gleiche kräftebasierte Verfahren zum Einsatz kommt (vgl.
Tabelle A.1, A.2 und A.3). Der Grund dafür liegt im Auffüllen der Begrenzungspolygon mit
47
48
8. Zusammenfassung und Ausblick
zusätzlichen Knoten, um zu verhindern, dass die Knoten, die man verschieben will, nicht
ihre Region verlassen. Auf diese Weise hat man allein beim Auflösen der Überlappungen
aus Region R2 über 3000 Knoten, wohingegen das Resultat aus insgesamt nur noch 100
– 200 Knoten besteht. Wenn man durch ein eigens angepasstes kräftebasiertes Verfahren
das Anreichern der Begrenzungspolygone unnötig macht, kann man so eventuell einiges
an Berechnungszeit einsparen. Um die Ergebnisse zu verbessern steckt im kräftebasierten
Verfahren ebenfalls das meiste Potential. Wenn man dort ein Verfahren benutzt, welches
speziell für georeferenzierte Graphen besser geeignet ist, kann man am Ende womöglich
bessere Ergebnisse erzielen.
Als Möglichkeit die Struktur des Graphen zu analysieren wurde das Correlation-Clustering
vorgestellt. Es hat die Eigenschaft, dass das Verfahren selbstständig die benötigte Anzahl
an Clustern bildet. So muss man vorher nicht festlegen muss, wie viele Cluster gebildet
werden sollen, was das Ergebnis flexibler macht.
48
49
(a) Platzierung der inneren Knoten nach geographischen Koordinaten im Bundesland.
(b) Entzerren der Umgebung um den Projektstandort und Verschiebung.
(c) Hinzufügen der äußeren Regionen.
(d) Entfernen der Überlappungen.
(e) Einzeichnen der Kanten.
(f) Platzierung von Beschriftungen.
Abbildung 8.1.: Übersicht über die Visualisierungsschritte.
49
Anhang
A. Fallstudien
Als Ergebnis wurden aus drei Datensätzen jeweils eine Visualisierung erstellt (Abbildungen A.1–A.3). Es wurden ebenfalls Messungen durchgeführt, um Aussagen über die Laufzeit treffen zu können. Dabei wurde die Zeit für die wichtigsten Visualisierungsschritte
mehrmals gemessen und anschließend der Durchschnitt gebildet (Tabellen A.1, A.2 und
A.3). Zur besseren Lesbarkeit wurden die Kanten in der Zeichnung weggelassen. Wegen
der vorgegebenen initialen Position der Knoten, kann man diese nicht beliebig verschieben
und deshalb Kantenkreuzungen auch nicht vermeiden. Aus diesem Grund ist das Layout
bei vielen Kanten eher ungeeignet.
Daten einlesen
1.074 ms
Entzerren
2 ms
Überlappungen
5766 ms
Beschriftungen
310 ms
Rest
95 ms
Gesamtzeit
7247 ms
Tabelle A.1.: Laufzeitmessung für Szenario 1 (Abbildung A.1).
Anzahl Knoten: 41. Anzahl Kanten: 57
Daten einlesen
1090 ms
Entzerren
2 ms
Überlappungen
4762 ms
Beschriftungen
342 ms
Rest
103 ms
Gesamtzeit
6299 ms
Tabelle A.2.: Laufzeitmessung für Szenario 2 (Abbildung A.2).
Anzahl Knoten: 31. Anzahl Kanten: 35
Daten einlesen
977 ms
Entzerren
2 ms
Überlappungen
5141 ms
Beschriftungen
283 ms
Rest
85 ms
Gesamtzeit
6488 ms
Tabelle A.3.: Laufzeitmessung für Szenario 3 (Abbildung A.3).
Anzahl Knoten: 29. Anzahl Kanten: 77
Bei allen drei Beispielen wurden die Überlappungen von Knoten komplett aufgelöst. Ebenfalls treten keine Überlappungen der Beschriftungen auf, allerdings ist es teilweise nicht
so einfach abzulesen, welche Beschriftung zu welchem Knoten gehört. So können die Verbindungskanten zwischen Beschriftung und Knoten sich kreuzen oder von anderen Knoten
überdeckt werden, wie z.B bei der Beschriftung Projektentwickler aus Szenario 3 (A.3).
Hier müsste man also für eine bessere Lesbarkeit der Zeichnung noch nachbessern. Besonders bei Projekten mit noch mehr Akteuren als in Szenario 1 (A.1), verliert man durch
eine ungünstige Platzierung der Beschriftungen schnell den Überblick. Es zeigt sich auch,
dass sich manche Knoten in ihrer Form zu sehr ähneln, um die verschiedenen Funktionen
der Akteure leicht ablesen zu können. Für die Analyse wurde aber vor allem Wert auf
51
52
Anhang
die verschiedenen Sektoren gelegt und hier erreicht man mit der graphischen Variablen
der Farbe eine bessere Unterscheidbarkeit. Über die Haltung aller Akteure gegenüber dem
Projekt kann man sich dagegen relativ schnell einen Überblick verschaffen, da hier die
Farbgebung sehr intuitiv ist und einem schnell ins Auge fällt. Eine weitere Eigenschaft,
die in den Anforderungen formuliert wurde, ist der Platzverbrauch. Die Knoten und Beschriftungen sind in den vorliegenden Beispielen weitestgehend gleich verteilt und es gibt
wenig ungenutzten freien Raum. Eine Ausnahme bilden hier jedoch die äußeren Regionen.
Betrachtet man ein Projekt aus Bayern, wie in Szenario 1, mit dem Auftreten von Akteuren überwiegend aus Deutschland, dann ist es klar, dass sich die Knoten mehr westlich
und nördlich des Bundeslandes ansammeln, während die Bereiche im Süden und Osten
frei bleiben. Der Grund dafür ist die Georeferenzierung der Knoten, die eine homogene
Verteilung der Knoten verhindert.
Die Georeferenzierung war nach der Formulierung der Anforderungen vor allem für die
Akteure im Bundesland wichtig. Mit Hilfe eines Vergleichs der Abbildungen 8.1b und
8.1d lässt sich erkennen, dass die orthogonale Ordnung nicht für jedes Knotenpaar erfüllt
wird. Hier ist nicht so ganz klar, wie sich das kräftebasierte Verfahren beim Auflösen der
Überlappungen auf die orthogonale Ordnung auswirkt. Jedenfalls müsste ein angepasstes
Verfahren implementiert werden, um eine Zeichnung zu erhalten, die der Georeferenzierung
besser entspricht. Wie schon in Kapitel 8 beschrieben, würde sich das auch positiv auf die
Laufzeit auswirken. Bei allen Fallstudien benötigt das Auflösen der Überlappungen die
meiste Zeit (s. Tabelle A.1 – A.3).
52
A. Fallstudien
53
Abbildung A.1.: Szenario 1 ohne Kanten
53
54
Anhang
Abbildung A.2.: Szenario 2 ohne Kanten
54
A. Fallstudien
55
Abbildung A.3.: Szenario 3 ohne Kanten
55
56
Anhang
B. Programm zum Erstellen des Layouts
Für die Visualisierung und das Erstellen des Graphen wird die yFiles-Bibliothek für Java der Firma yWorks genutzt. Damit lassen sich die Graphen und ihre Zeichnung im
GraphML-Format erstellen. Zur Anzeige kann dann der kostenlose Editor yEd 1 benutzt
werden.
B.1. Aufbau der Daten
Die kompletten Daten, die man visualisieren will, werden in drei Textdateien aufgeteilt.
Die einzelnen Spalten werden durch das & -Zeichen getrennt.
B.1.1. Akteure
Projekt
ID Institution
Name
Region
PLZ
ID Typ
Sektor
Haltung
Funktion
Tabelle B.4.: Eigenschaften der Akteure. Jede weitere Zeile erzeugt einen neuen Akteur.
Projekt Name des Projekts. Diese Information dient in erster Linie der Übersicht und wird
nicht weiter verwendet.
(Typ: String)
ID Institution Eine eindeutige Nummer, über die der Akteur identifiziert werden kann.
(Typ: Integer)
Name Der Name des Akteurs. Der Inhalt wird als Knotenbeschriftung benutzt.
(Typ: String)
Region Ordnet dem Akteur seine Region zu. Es sind drei Regionen möglich: R0 (9), R1 (99),
R2 (999).
(Typ: Integer)
PLZ Die Postleitzahl des Akteurs. Mit dieser Information wird die initiale Position des
Knoten im Graph gewählt. Sollte keine Postleitzahl vorhanden sein, kann man mit
999 eine gewünschte zufällige Positionierung kenntlich machen.
(Typ: Integer)
ID Typ Legt fest, welche Funktion der Knoten im Projekt hat. Dadurch wird die Form des
Knoten beeinflusst.
(Typ: Integer)
Sektor Ordnet dem Akteur einen Sektor zu. Möglich sind: Market, Politics, Civil Society,
Authorities, Technology, Environment. Die Wahl des Sektors beeinflusst die Knotenfarbe.
(Typ: String)
Haltung Gibt dem Akteur eine Haltung gegenüber dem Projekt. Abstufungen von [-4..4] sind
möglich. Positive Werte zeigen, dass der Akteur für das Projekt ist. Die Haltung
wird durch die Hintergrundfarbe der Knotenbeschriftung deutlich gemacht.
(Typ: Integer)
Funktion Eine Beschreibung der Funktion, die der Akteur während dem Projekt inne hat. In
yEd taucht die Beschreibung auf, wenn man mit der Maus über einen Knoten fährt.
(Typ: String)
1
http://www.yworks.com/en/products_yed_about.html
56
B. Programm zum Erstellen des Layouts
57
B.1.2. Projektknoten
Der Projektknoten besteht neben den notwendigen Informationen noch aus weiteren Technologieknoten. Diese Knoten geben Aufschluss über technische Eigenschaften des Projekts.
Da diese Knoten im Programm wie andere Akteure behandelt werden, sind die gleichen
Eigenschaften wie in Tabelle B.4 notwendig. Im Unterschied dazu haben aber die Spalten
Region und PLZ keinen Einfluss auf das Ergebnis.
B.1.3. Kanten
Source ID
Target ID
Beschreibung
Haltung
Gewicht
Tabelle B.5.: Eigenschaften der Kanten
Jede Zeile fügt dem Graph eine neue Kante hinzu. In Source ID bzw. Target ID trägt
man die Institution ID der jeweiligen Akteure ein. Im Beschreibungsfeld kann man einen
Text eintragen, der eingeblendet wird, sobald man mit der Maus über eine Kante fährt.
Die Spalte für Haltung legt fest, wie die Beziehung zwischen den beiden Akteuren ist.
Es sind positive und negative Werte möglich. Auch neutrale Beziehungen können durch
eine 0 kenntlich gemacht werden. Durch das Feld werden auch die h+i und h−i Kanten
für das Correlation-Clustering festgelegt. Je nach Haltung wird die Kante in rot, gelb
oder grün eingefärbt. Das Gewicht muss vom Typ Double sein und wird ebenfalls beim
Correlation-Clustering verwendet.
B.2. Programmoberfläche
Abbildung B.4.: Programmoberfläche
Verzeichnis Gibt den Ort an, an dem sich die Daten zu den Bundesländern und den Postleitzahlen
befinden.
Akteure Gibt den Ort an, an dem sich die Daten zu den Akteuren befinden.
Projekt Gibt den Ort an, an dem sich die Daten zu dem Projekt befinden.
Kanten Gibt den Ort an, wo sich die Daten zu den Kanten befinden.
Umriss Es sollte das Bundesland ausgewählt werden, an dem sich der Projektstandort befindet. Das Bundesland wird dann als Umriss dargestellt. Es stehen fast alle deutschen
Bundesländer zur Verfügung.
Legende Gibt an, ob dem Graph zusätzlich eine Legende hinzugefügt werden soll. An ihr kann
man sehen, wie die Farben bzw. Formen den Sektoren und Funktionen zugewiesen
werden.
57
58
Anhang
Regionen Gibt an, ob die Begrenzungspolygone der Regionen Ri eingezeichnet werden sollen.
Labels Gibt an, ob Beschriftungen für jeden Knoten erstellt werden sollen.
Kanten Gibt an, ob die definierten Kanten gezeichnet werden sollen.
Projektknoten Gibt an, ob der zur besseren Übersicht größere Projektknoten gezeichnet werden soll
(Abbildung 2.3b).
Sektoranalyse Schaltet die Sektoranalyse an bzw. ab (Abschnitt 7.1).
Zoom Hier kann definiert werden, wie viel Platz man einem Knoten im Bundesland zuordnet
(Parameter τ in Gl. 3.2). Je größer der Wert, desto größer werden die Abstände
zwischen den Knoten.
Breite Hier kann die Breite der Regionen R1 und R2 verändert werden, falls zu wenig Platz
für die Knoten und Beschriftungen ist (Parameter t in Gl. 3.6).
B.3. Ablauf
Nachdem die benötigten Daten eingelesen sind, wird zunächst der Parameter s für die
Koordinatenberechnung (Gl. 4.8) bestimmt. Danach können die Akteure innerhalb des
Bundeslandes als Knoten hinzugefügt werden. Im nächsten Schritt wird die in Kapitel 4
beschriebene Entzerrung auf das Bundesland und die Akteure angewendet. Um die noch
bestehenden Überlappungen aufzulösen wird das Verfahren aus Abschnitt 5.3 angewendet.
Falls der Benutzer zusätzlich noch die Beschriftung der Knoten anzeigen will, wird die
Position jeder Beschriftung wie in Kapitel 6 berechnet. Abschließend werden eventuell noch
die Legende, Sektoranalyse und die Regionen dem Graphen zugefügt. Die Ergebnisse für
drei Projekte sind im Anhang zu finden. Dort wurde wegen der schlechteren Übersicht auf
das Einzeichnen von Kanten verzichtet. Der Graph wird im GraphML-Format gespeichert
und kann mit dem kostenlosen Editor yEd geöffnet werde. Das Betrachten der Layouts
eignet sich dort besser, da man die einzelnen Elemente ein- und ausblenden kann.
58
Literaturverzeichnis
[AHS05]
Kamran Ali, Knut Hartmann und Thomas Strothotte: Label Layout for Interactive 3D Illustrations. Journal of the WSCG, 13:2005, 2005.
[BBC02]
N. Bansal, A. Blum und S. Chawla: Correlation clustering. In: Foundations of
Computer Science, 2002. Proceedings. The 43rd Annual IEEE Symposium on,
Seiten 238 – 247, 2002.
[Ber11]
Jacques Bertin: Semiology of Graphics : Diagrams, Networks, Maps. Esri Press,
Redlands, Calif., 1. ed. Auflage, 2011.
[BETT99] Giuseppe Di Battista, Peter Eades, Roberto Tamassia und Ioannis G. Tollis:
Graph drawing : Algorithms for the visualization of graphs. Prentice Hall, 1999.
[BKW03] Ulrik Brandes, Patrick Kenis und Dorothea Wagner: Communicating Centrality
in Policy Network Drawings. IEEE Transactions on Visualization and Computer Graphics, 9:241–253, April 2003.
[BS95]
Lev M. Bugayevskiy und John P. Snyder: Map projections : A Reference Manual. Taylor & Francis, 1995.
[BW03]
Ulrik Brandes und Dorothea Wagner: Visone – Analysis and Visualization of
Social Networks. In: Michael Jünger und Petra Mutzel (Herausgeber): Graph
Drawing Software, Seiten 321–340. Springer-Verlag, 2003.
[DEFI06] Erik D. Demaine, Dotan Emanuel, Amos Fiat und Nicole Immorlica: Correlation Clustering in General Weighted Graphs. Theoretical Computer Science,
361(2-3):172 – 187, 2006.
[DP73]
David H. Douglas und Thomas K. Peucker: Algorithms for the reduction of the
number of points required to represent a digitized line or its caricature. Cartographica: The International Journal for Geographic Information and Geovisualization, 10(2):112–122, 1973.
[FR91]
Thomas M. J. Fruchterman und Edward M. Reingold: Graph drawing by forcedirected placement. Software: Practice and Experience, 21(11):1129–1164, 1991,
ISSN 1097-024X.
[HHE07]
Weidong Huang, Seok Hee Hong und Peter Eades: Effects of Sociogram Drawing
Conventions and Edge Crossings in Social Network Visualization. J. Graph
Algorithms Appl., 11(2):397–429, 2007.
[HS92]
John Hershberger und Jack Snoeyink: Speeding Up the Douglas-Peucker LineSimplification Algorithm. Technischer Bericht, Vancouver, BC, Canada, Canada, 1992.
[KK89]
Tomihisa Kamada und Satoru Kawai: An algorithm for drawing general
undirected graphs.
Information Processing Letters, 31(1):7 – 15, 1989,
ISSN 0020-0190.
59
60
Literaturverzeichnis
[KW01]
Michael Kaufmann und Dorothea Wagner: Drawing Graphs: Methods and Models (Lecture Notes in Computer Science), Band 2025 der Reihe Lecture Notes
in Computer Science. Springer, 2001.
[Lat07]
Bruno Latour: Eine neue Soziologie für eine neue Gesellschaft. Einführung in
die Akteur-Netzwerk-Theorie. Suhrkamp, 2007.
[Luh84]
Niklas Luhmann: Soziale Systeme: Grundriß einer allgemeinen Theorie. Suhrkamp, 1984.
[Lyo92]
Kelly A. Lyons: Cluster busting in anchored graph drawing. In: Proceedings
of the 1992 conference of the Centre for Advanced Studies on Collaborative
research - Volume 1, CASCON ’92, Seiten 7–17. IBM Press, 1992. http://dl.
acm.org/citation.cfm?id=962198.962200.
[MELS95] Kazuo Misue, Peter Eades, Wei Lai und Kozo Sugiyama: Layout Adjustment
and the Mental Map. Journal of Visual Languages and Computing, 6(2):183
– 210, 1995, ISSN 1045-926X. http://www.sciencedirect.com/science/
article/pii/S1045926X85710105.
[MS91]
Joe Marks und Stuart Shieber: The Computational Complexity of Cartographic Label Placement. Technischer Bericht TR-05-9, Center for Research in
Computing Technology, Harvard University, 1991.
[Ope11]
OpenGeoDB.
2011.
[XlD10]
Wang Xiao-li und Zhang De: Selecting Optimal Threshold Value of DouglasPeucker Algorithm Based on Curve Fit. In: Networking and Distributed Computing (ICNDC), 2010 First International Conference on, Seiten 251 –254, oct.
2010.
[yWo11]
yWorks. http://www.yworks.com/en/products_yfiles_about.html,
gust 2011.
http://opengeodb.giswiki.org/wiki/OpenGeoDB,
60
August
Au-